Speed/accuracy trade-offs for modern convolutional object detectors

最新推荐文章于 2018-11-12 12:59:22 发布
原创 最新推荐文章于 2018-11-12 12:59:22 发布 · 593 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了卷积神经网络（CNN）在目标检测领域的最新进展，包括Faster R-CNN、R-FCN、Multibox、SSD及YOLO等现代物体检测器，并指出这些检测器已广泛应用于消费类产品中，且部分能在移动设备上高效运行。

1. Introduction

近年来由于使用卷积神经网络（CNN），目标检测方面取得了很大的进展。
基于这些网络的现代物体检测器，如Faster R-CNN [31]，R-FCN [6]，Multibox [40]，SSD [26]和YOLO [29]
 现在已经足够好地部署在消费类产品中（例如Google Photos，Pinterest Visual Search），有些已被证明足够快，可以在移动设备上运行。

目标检测网络选择 （Faster R-CNN，SSD，R-FC） Speed/accuracy trade-offs for modern convolutional object detectors
q199502092010的博客
01-07 937
Speed/accuracy trade-offs for modern convolutional object detectors 现代卷积目标检测器的速度/精度折衷 主要内容：如何选择目标检测网络：Faster R-CNN，SSD，R-FCN 论文原网址：https://arxiv.org/abs/1611.10012 翻译部分内容参考:http://tongtianta.site/...
论文阅读-《Speed/accuracy trade-offs for modern convolutional object detectors》
yj_isee的博客
07-13 4091
Google Research0.abstract本文主要对主流的三类object detector进行了speed-accuracy trade-off上的比较。 作者考虑三类”meta-architectures”：faster rcnn 、r-fcn以及ssd faster rcnn和r-fcn是region-based detector，不同的是，faste rcnn里面box clas
目标检测“Speed/accuracy trade-offs for modern convolutional object detectors”
cv_family_z的博客
12-06 2824
使用了几种成熟的目标检测结构，Faster-RCNN，R-FCN，SSD，与不同的特征提取网络组合，如VGG16,Resnet-101,Inception V2,Inception V3,Inception Resnet,MobileNet。探讨检测率与检测时间之间的关系。不同的组合得到的结果 不同的组合对不同大小目标的结果 Faster-RCNN，R-FCN的组合降低proposal数目的结果
READING NOTE: Speed/accuracy trade-offs for modern convolutional object detectors
joshua_1988
12-02 2028
TITLE: Speed/accuracy trade-offs for modern convolutional object detectors
Accident-detection-using-tensorflow
04-03
TensorFlow对象检测API 创建能够在单个图像中定位... "Speed/accuracy trade-offs for modern convolutional object detectors." Huang J, Rathod V, Sun C, Zhu M, Korattikara A, Fathi A, Fischer I, Wojna Z, Son
张量流对象识别检测
02-13
最后，如果您将Tensorflow对象检测API用于研究出版物，请考虑引用以下内容： "Speed/accuracy trade-offs for modern convolutional object detectors." Huang J, Rathod V, Sun C, Zhu M, Korattikara A, Fathi A,...
关于SSD算法的参考文献
07-17
"Speed/accuracy trade-offs for modern convolutional object detectors." IEEE CVPR, 2017. 5. Cai, Zhaowei, and Nuno Vasconcelos. "Cascade R-CNN: Delving into high quality object detection." IEEE CVPR,...
[论文笔记]Speed/accuracy trade-offs for modern convolutional object detectors
恰同学少年的博客
12-22 875
论文链接：https://arxiv.org/pdf/1611.10012.pdf这篇论文是由谷歌发表的，主要在速度和准确性两方面来权衡目标检测算法的性能，主要比较了三个经典的目标检测算法（Faster-rcnn, SSD, R-FCN），这三种算法分别使用六种特征提取器来实现检测( VGG-16, Resnet-101, Inception v2, Inception v3, Incepti
论文：Speed/accuracy trade-offs for object detectors
xxiaozr的博客
11-29 739
比较主流的目标检测网络，Faster R-CNN , R-FCN , SSDIntroduction:目标检测网络中， mPA。。。 运行时间和占用内存也很重要，好的模型经常依赖于model ensemboing 和 multicrop 方法，这样对于应用来说too slow. 我们会探索现代检测系统 speed/accuracy trade-off。 主要的贡献如下： 1.对现代卷积检
Speed Accuracy TradeOffs (CVPR, 2017)
ZeroZone零域的博客
11-12 576
title: sitemap: true categories: 计算机视觉 date: 2018-11-10 16:27:03 tags: 目标检测 计算机视觉 文章: Speed/accuracy trade-offs for modern convolutional object detectors 作者: Jonathan Huang, Vivek Rathod, Chen Sun...
CVPR2017-目标检测相关
Touch_Dream的博客
08-22 1万+
（1）Speed/accuracy trade-offs for modern convolutional object detectors 其主要考虑三种检测器（Faster RCNN,R-FCN,SSD）作为元结构，三种CNN网络（VGG，Inception，ResNet）作为特征提取器，变化其他参数如图像分辨率、proposals数量等，研究目标检测系统准确率与速度的权衡关系。
深度学习目标检测算法性能分析
lanyuxuan100的博客
05-04 3574
参考如下论文2017年最新版： Speed/accuracy trade-offs for modern convolutional object detectors 本文的目的就是在给定设备与平台的前提下，帮助选择一个合适的检测框架，能够实现速度、准确度、内存的多方面平衡。Google Research搭建了三种通用检测框架：Faster R-CNN, R-FCN and SSD，近几年目标检
论文笔记之---Speed and accuracy trade-offs for modern convolutional object detectors
He_is_all的博客
02-22 7316
Abstract 这篇文章主要权衡了三种被称为“元结构”（meta-architectures）的主流detector---Faster R-CNN，R-FCN 和SSD之间的精确率与速度。 Introduction 1.对于从业者来说，选择主流OD（object detector缩写）中的哪一款作为工具是一项比较难的任务，受制于程序运行时间和内存大小，mAP等数据也并不能够完全作为
论文阅读: Speed/accuracy trade-offs
JNing
06-07 2220
Introduction Innovation Result Thinking [1] Speed/accuracy trade-offs for modern convolutional object detectors
Mask-RCNN技术解析
热门推荐
跟随技术的脚步-linolzhang的专栏
05-12 12万+
一. Mask-RCNN 介绍        上篇文章介绍了 FCN，这篇文章引入个新的概念 Mask-RCNN，看着比较好理解哈，就是在 RCNN 的基础上添加 Mask。        Mask-RCNN 来自于年轻有为的 Kaiming 大神，通过在 Faster-RCNN 的基础上添加一个分支网络，在实现目标检测的同时，把目标像素分割出来。        论文下载：Mask R-CN
My Jumble of Computer Vision
joshua_1988
08-25 1万+
I am going to maintain this page to record a few things about computer vision that I have read, am doing, or will have a look at. Previously I’d like to write short notes of the papers that I have rea...
FileNotFoundError: Couldn't find a module script at /mnt/LLM-quickstart/transformers/accuracy/accuracy.py. Module 'accuracy' doesn't exist on the Hugging Face Hub either.
最新发布
03-27
<think>好的，我现在需要解决用户遇到的模块找不到的问题。用户提到在路径`/mnt/LLM-quickstart/transformers/accuracy/accuracy.py`下找不到模块'script'，以及在Hugging Face Hub上不存在'module accuracy'的情况。错误信息是`FileNotFoundError: module 'script' not found in path /mnt/LLM-quickstart/transformers/accuracy/accuracy.py`。 首先，我需要理解这个错误的背景。用户可能在尝试运行某个Python脚本时，该脚本试图导入名为'script'的模块，但系统找不到这个模块。路径中的`/mnt/LLM-quickstart/transformers/accuracy/accuracy.py`可能是指用户的项目结构，而Hugging Face Hub可能涉及到他们使用的库或模型。 接下来，我应该考虑可能的原因。首先，检查文件路径是否正确。用户提供的路径可能不存在或者拼写错误。例如，'LLM-quickstart'目录是否存在？'transformers'和'accuracy'子目录是否存在？如果路径中的某个目录名称有误，或者文件位置不对，就会导致找不到模块。 然后，考虑模块导入的问题。Python的模块导入依赖于正确的目录结构和__init__.py文件。如果用户的项目结构中没有正确设置Python包，或者缺少必要的__init__.py文件，可能会导致导入失败。例如，如果'script'模块位于某个子目录中，但该目录没有被Python识别为包，或者sys.path中没有包含该目录的路径，就会导致找不到模块。 另外，Hugging Face Hub上是否存在对应的模块？用户提到'module accuracy'不存在于Hub上，这可能意味着他们试图从Hub下载或引用一个不存在的模块或脚本。Hugging Face Hub通常托管模型和数据集，而不是普通的Python脚本，所以用户可能误解了如何正确引用Hub上的资源。 可能的解决方案包括： 1. 检查文件路径和目录结构是否正确，确认'script'模块所在的目录存在，并且路径拼写无误。 2. 确保项目目录被添加到Python的sys.path中，或者在导入时使用正确的相对或绝对路径。 3. 检查是否需要安装额外的依赖包，或者Hugging Face Hub上是否有特定的安装指令。 4. 确认用户是否正确地引用了Hugging Face的模型或脚本，可能需要使用正确的API或方法加载资源，例如使用`transformers`库中的相关函数。 此外，用户可能混淆了本地文件和远程Hub资源。例如，他们可能在代码中尝试加载一个本地的'script'模块，但路径配置错误；或者错误地试图从Hub加载一个不存在的模块。需要明确区分本地文件和远程资源的引用方式。 比如，如果用户在使用`transformers`库，加载模型或数据集通常使用如`from transformers import AutoModel`这样的语句，而不是直接引用文件路径。如果用户自定义了'script'模块，应确保该模块在正确的路径下，并且在导入时使用正确的模块路径。 可能的错误代码示例是用户可能在accuracy.py中有类似`from script import SomeClass`的导入语句，但'script.py'并不存在于相应的目录中，或者目录结构导致Python无法识别该模块。 总结，解决步骤可能包括： - 验证文件和目录的存在及正确性。 - 检查Python的导入路径和包结构。 - 确认Hugging Face Hub资源的正确引用方式。 - 安装必要的依赖或调整导入语句。 最后，我需要将这些思考整理成用户友好的解答，分步骤说明可能的原因和解决方案，并提供相关问题供用户进一步排查。</think>关于在路径`/mnt/LLM-quickstart/transformers/accuracy/accuracy.py`下找不到模块'script'的问题，以下是分步解决方案： ### 1. 检查文件路径和目录结构 - **确认文件存在性**：使用终端执行 `ls /mnt/LLM-quickstart/transformers/accuracy/`，检查是否包含`script.py`或`script`目录。若路径拼写错误或文件缺失，需修正路径或补充文件。 - **项目结构验证**：确保目录层级符合Python包规范。若`script`是子模块，其所在目录需包含`__init__.py`文件（即使是空文件）才能被识别为包[^1]。 ### 2. 检查Python模块导入方式 - **绝对导入与相对导入**： ```python # 若script模块在同级目录 from . import script # 相对导入（需在包内） # 或 import sys sys.path.append("/mnt/LLM-quickstart/transformers/accuracy") import script # 绝对导入 ``` - **环境变量配置**：可通过设置`PYTHONPATH`临时添加路径： ```bash export PYTHONPATH="/mnt/LLM-quickstart/transformers/accuracy:$PYTHONPATH" ``` ### 3. Hugging Face Hub资源引用问题 - **Hub模块加载规范**：Hugging Face Hub的模型/数据集需通过API加载，例如： ```python from transformers import AutoModel, AutoTokenizer model = AutoModel.from_pretrained("username/model-name") ``` - **检查资源存在性**：访问[huggingface.co/username/module-name](https://huggingface.co/)确认'module accuracy'是否真实存在。若不存在，可能是名称拼写错误或需自定义上传。 ### 4. 依赖环境验证 - **库版本兼容性**：检查`transformers`库是否安装且版本兼容： ```bash pip show transformers # 查看版本 pip install transformers --upgrade # 升级 ``` - **虚拟环境隔离**：若使用虚拟环境，确保激活了正确的环境后再运行脚本。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值