RetinaNet系列1：ResNet和FPN部分總結
在FPN 原文Feature Pyramid Networks for Object Detection中，使用了ResNet原文 Deep Residual Learning for Image Recognition中的resnet34層模型的 conv2_到conv5_，ResNet34的conv2_到conv5_的depth分別是64，128，256，512。輸入圖片的size是224x2
相關文章
- 1. resnet，retinanet,fpn網絡結構及pytorch實現代碼
- 2. FPN & RetinaNet理解
- 3. RetinaNet總結
- 4. FPN總結
- 5. FPN實驗總結
- 6. 目標檢測總結：focal loss 和 RetinaNet
- 7. CSS3總結系列1
- 8. SpringBoot總結 ~ 系列1
- 9. 目標檢測算法總結（R-CNN、Fast R-CNN、Faster R-CNN、FPN、YOLO、SSD、RetinaNet）
- 10. 部分檢測算法對比（Faster R-CNN, R-FCN, SSD, FPN, RetinaNet and YOLOv3）
- 更多相關文章...
- • ionic 頭部和底部 - ionic 教程
- • Spring體系結構詳解 - Spring教程
- • 算法總結-二分查找法
- • 算法總結-雙指針
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. 安裝cuda+cuDNN
- 2. GitHub的使用說明
- 3. phpDocumentor使用教程【安裝PHPDocumentor】
- 4. yarn run build報錯Component is not found in path 「npm/taro-ui/dist/weapp/components/rate/index「
- 5. 精講Haproxy搭建Web集羣
- 6. 安全測試基礎之MySQL
- 7. C/C++編程筆記：C語言中的複雜聲明分析，用實例帶你完全讀懂
- 8. Python3教程(1)----搭建Python環境
- 9. 李宏毅機器學習課程筆記2：Classification、Logistic Regression、Brief Introduction of Deep Learning
- 10. 阿里雲ECS配置速記
歡迎關注本站公眾號,獲取更多信息
相關文章