车辆检测-MobileNetSSD
车辆计数检测模型，可以读取实时移动物体并定义其类别。该模型使用DNN来检测和分类可能在任何给定帧中的不同对象。我们使用的模型是Caffe版本的模型，称为MobileNet-SSD，它使用了Google的称为MobileNet的框架与另一个称为Single Shot Detector（SSD）MultiBox的框架的混合体。
输出已保存为名称“ Output_mobilenet-ssd.mp4”。
2021-05-09 20:34:22
76.38MB
1
一、首先围绕烟雾检测问题，对其基本内容、理论研究与系统开发进行综述；接着对深度卷积神经网络，以及深度目标检测网络进行了详细介绍。二、研究基于改进
Mobile Net V2-SSD 的烟雾视频检测算法：首先提出新型重构金字塔结构，以提升小型烟雾目标的检测精度；然后提出基于烟雾先验特征的候选框参量设定方法，以快速准确的定位烟雾目标；接着引入了基于 SE-Net 模块的特征增强抑制机制，以有效提高特征表达能力；最后通过在雾检的准确率。三、研究基于改进 3D 残差稠密网络的烟雾视频检测算法：首先提出基于先验评分算法的疑似烟雾区域定位，以实现烟雾目标的实时定位；然后提出轻量化 3D 实现烟雾目标的精准检测；接着提出基于烟雾时变特征的动态检测策略，以实现实时性和精准性的最佳折中；最后通过实验对比，本文算法在检测率和准确率等方面都有提升。四、开发并实现了基于深度神经网络的烟雾视频检测系统：首先阐述了系统的需求和架构，然后介绍了系统开发的软件环境与硬件资源，阐明了该系统的具体实现流程；最后展示了对烟雾视频检测的实际运行效果。
2021-05-06 19:02:18
5.54MB
提供tensorflow object_detection api 调用ssd_mobilenet_v3_large_coco_2020_01_14预训练模型
2021-05-04 21:58:07
47.05MB
1
包含MobileNet v3 large和small两个版本，其中除了原始版本的使用H-swish和SE模块的prototxt外，还有用relu和SE模块实现的版本，以及使用relu并去掉SE模块的最精简的版本，三个版本测试效果差别不大，最精简的版本，模型最小（5.89M），我自己得250类车辆分类数据集上可以达到0.996的测试准确率。
2021-04-20 19:32:16
33KB
1
图像分类器：使用预训练模型-“ MobileNet”和tensorFlow.js构建的基本图像分类器
2021-04-18 21:32:41
640KB
1
TensorFlow Lite 模型和标签数据mobilenet_v1_224_android_quant_2017_11_08.zip,下载完成解压mobilenet_v1_224_android_quant_2017_11_08.zip文件得到一个mobilenet_v1_224.tflite和labes.txt文件，把这两个文件复制到assets文件夹下。
2021-04-18 18:22:19
2.91MB
1
B20_08_NNCase编译MobileNet_v1_1.0即tflite量化为kmodel v3.zip包含以下文件：
ncc-win7-x86_64.zip即NNCase Converter v0.1.0 RC1对应的c#源码
nncase-0.1.0-rc1.zip即NNCase Converter v0.1.0 RC1对应的c#源码
mobilenet文件夹，其中mobilenet文件夹包含以下权重：
MobileNet_v1_1.0.pb使用tf slim训练的mobilenet_v1_1.0；
mobilenet_v1.tflite将MobileNet_v1_1.0.pb转成mobilenet_v1.tflite未量化；
mobilenet_v1_kmodel_v4.kmodel
即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，未量化；
MobileNet_v1_1.0_uint8_kmodel_v4.kmodel
即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，量化未uint8，k210 kpu可以加速；
2021-04-15 16:09:26
90.36MB
1