如何用SimpleDet完成目标检测与物体识别？
引言
SimpleDet是一套简单通用的目标检测与物体识别的框架。整套框架基于MXNet的原生API完成。
主要特点
FP16训练可节省内存并加速2．5倍开箱即用的高度可扩展的分布式训练全面涵盖了最先进的模型，包括FasterRCNN， MaskRCNN， CascadeRCNN， RetinaNet， DCNv1／v2， TridentNet， NASFPN ， EfficientNet， 和 Kownledge Distillation。广泛的功能集，包括大批次BN，同步损失，自动BN融合，soft NMS，多尺度训练／测试模块化设计，无需编码即可探索新的实验设置广泛的文档，包括带注释的配置、Fintuning指南。
目 录
1．基准测试
1．1对SimpleDet进行基准测试，给出测试平台和测试结果。
2．构建wheel包
2．1介绍将自定义mxnet打包为用于本地安装的python wheel的过程。
3．数据集
3．1介绍了从COCO格式，VOC格式或JSON格式创建roidb的过程。
4．分布式训练
4．1提供启动具有Singularity包的分布式训练的指南
5．微调
5．1本文档介绍了为你的自定义数据集启用现有模型的过程。
6．框架概述
6．1概述检测器及组件
7．安装
7．1介绍安装过程
8．tensorboard
8．1设置tensorboard以及在shell发布
更新计划
每周两篇，欢迎持续关注，一起进步。
☆ END ☆
分享
最新活动更多
-
即日-11.13立即报名>>> 【在线会议】多物理场仿真助跑新能源汽车
-
11月20日火热报名中>> 2024 智能家居出海论坛
-
11月28日立即报名>>> 2024工程师系列—工业电子技术在线会议
-
12月19日立即报名>> 【线下会议】OFweek 2024（第九届）物联网产业大会
-
即日-12.26火热报名中>> OFweek2024中国智造CIO在线峰会
-
即日-2025.8.1立即下载>> 《2024智能制造产业高端化、智能化、绿色化发展蓝皮书》
推荐专题
发表评论
请输入评论内容...
请输入评论/评论长度6~500个字
暂无评论
暂无评论