mmrotate仓库中 “主要模型” 及其 “配置文件” 的列表

mmrotate

目录:

  • mmrotate 仓库中的主要模型和配置
    • Background and Motivation 背景与动机
    • Methods Overview 方法概述
      • 1. CFA
        • CFA: Convex-hull Feature Adaptation for Oriented and Densely Packed Object Detection
        • CFA:用于定向和密集对象检测的凸包特征适应
      • 2. ConvNeXt
        • ConvNeXt: A ConvNet for the 2020s
        • ConvNeXt:面向2020年代的卷积神经网络
      • 3. Circular Smooth Label (CSL)
        • Circular Smooth Label: Solving Boundary Discontinuity in Oriented Object Detection
        • 圆形平滑标签:解决定向目标检测中的边界不连续性问题
      • 4. G-Reppoints
        • G-Rep: Gaussian Representation for Arbitrary-Oriented Object Detection
        • G-Rep:用于任意方向目标检测的高斯表示
      • 5. Gliding Vertex
        • Gliding Vertex: Gliding Vertex on the Horizontal Bounding Box for Multi-Oriented Object Detection
        • Gliding Vertex:在水平边界框上滑动顶点用于多方向目标检测
      • 6. GWD
        • GWD: Rethinking Rotated Object Detection with Gaussian Wasserstein Distance Loss
        • GWD:用高斯沃瑟斯坦距离损失重新思考旋转目标检测
      • 7. K-FIoU
        • KFIoU: The KFIoU Loss for Rotated Object Detection
        • KFIoU:用于旋转目标检测的KFIoU损失
      • 8. KLD
        • KLD: Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence
        • KLD:通过Kullback-Leibler散度学习高精度旋转目标检测边界框
      • 9. Oriented R-CNN
        • Oriented R-CNN: Oriented R-CNN for Object Detection
        • Oriented R-CNN:用于目标检测的定向R-CNN
      • 10. Oriented Reppoints
        • Oriented Reppoints: Oriented Reppoints for Aerial Object Detection
        • Oriented Reppoints:用于航空目标检测的定向Reppoints
      • 11. R3Det
        • R3Det: Refined Single-Stage Detector with Feature Refinement for Rotating Object
        • R3Det:具有特征优化的精细单阶段旋转目标检测器
      • 12. ReDet (Rotation-equivariant Network)
        • ReDet: A Rotation-equivariant Detector for Aerial Object Detection
        • ReDet:用于航空目标检测的旋转等变检测器
      • 13. RoI Transformer
        • RoI Transformer: Learning RoI Transformer for Oriented Object Detection in Aerial Images
        • RoI Transformer:在航空图像中用于定向目标检测的RoI Transformer
      • 14. Rotated ATSS
        • Rotated ATSS: Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection
        • Rotated ATSS:通过自适应训练样本选择弥合基于锚点和无锚点检测之间的差距
      • 15. Rotated Faster R-CNN
        • Rotated Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
        • Rotated Faster R-CNN:用于实时目标检测的旋转区域提议网络
      • 16. Rotated FCOS
        • Rotated FCOS: Fully Convolutional One-Stage Object Detection
        • Rotated FCOS:全卷积单阶段目标检测
      • 17. Rotated Reppoints
        • Rotated Reppoints: RepPoints for Arbitrary-Oriented Object Detection
        • Rotated Reppoints:用于任意方向目标检测的Reppoints
      • 18. Rotated RetinaNet
        • Rotated RetinaNet: Focal Loss for Dense Object Detection
        • Rotated RetinaNet:用于密集目标检测的焦点损失
      • 19. S2A-Net (Single-stage Anchor-free Network)
        • S2A-Net: Align Deep Features for Oriented Object Detection
        • S2A-Net:对齐深度特征用于定向目标检测
      • 20. SASM Reppoints
        • SASM: Shape-Adaptive Selection and Measurement for Oriented Object Detection
        • SASM:用于定向目标检测的形状自适应选择和测量
  • 官方对比

mmrotate 仓库中的主要模型和配置

Background and Motivation 背景与动机

随着遥感图像、无人驾驶和其他复杂场景中目标检测需求的增加,特别是对于任意方向和形状复杂的目标,传统的目标检测方法往往表现出局限性。mmrotate项目旨在集成多种先进的旋转目标检测方法,为研究人员和工程师提供高效、准确的解决方案。

Methods Overview 方法概述

mmrotate项目包含多种旋转目标检测模型,每种模型在处理目标的方向和形状特征方面都有独特的设计和优化策略。以下是各模型的详细描述和实验结果概述:

1. CFA

  • 目录cfa
  • 描述:待补充详细描述。
CFA: Convex-hull Feature Adaptation for Oriented and Densely Packed Object Detection
CFA:用于定向和密集对象检测的凸包特征适应

文章解读:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/47199.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

昇思25天学习打卡营第9天 | 使用静态图加速

用静态图加速在MindSpore中的实践体验 在深入学习MindSpore框架的过程中,我特别关注了动态图和静态图两种模式的运行机制及其各自的优缺点。通过实际编程实验和应用,我对静态图加速的效果和应用场景有了更深入的了解。 动态图与静态图的对比 在开始使…

ZooKeeper 部署

1 准备工作 准备集群环境,可参考:https://blog.csdn.net/White_Ink_/article/details/139743058。 2 下载并解压 下载地址:https://zookeeper.apache.org/releases.html。本博客下载版本为 3.8.4。上传至某个服务器。解压:tar …

java模拟多ip请求【搬代码】

java模拟多ip请求 package url_demo;import java.io.BufferedReader; import java.io.IOException; import java.io.InputStreamReader; import java.io.PrintWriter; import java.net.URL; import java.net.URLConnection; import java.util.Random;public class HttpUtilTest…

Xcode学习笔记

Xcode学习笔记 前言一、在Mac上安装Xcode并做点简单设置1.查看一下Xcode的版本 二、使用Xcode新建一个Playground三、swift基础-变量1.swift是什么2.变量是什么3.建立变量4.改变变量5.小帖士 四、swift基础-变量命名规范1.使用小驼峰命名法2.使用有意义且描述性的名称3.避免使用…

【web】-flask-简单的计算题(不简单)

打开页面是这样的 初步思路,打开F12,查看头,都发现了这个表达式的base64加密字符串。编写脚本提交答案,发现不对; 无奈点开source发现源代码,是flask,初始化表达式,获取提交的表达式&#xff0…

【iOS】——探究isKindOfClass和isMemberOfClass底层实现

isKindOfClass 判断该对象是否为传入的类或其子类的实例 // 类方法实现,用于检查一个类是否属于另一个类或其父类链上的任何类。(BOOL)isKindOfClass:(Class)cls {// 从当前类开始,tcls将沿着元类的继承链向上遍历。for (Class tcls self->ISA(); …

【C#】计算两条直线的交点坐标

问题描述 计算两条直线的交点坐标,可以理解为给定坐标P1、P2、P3、P4,形成两条线,返回这两条直线的交点坐标? 注意区分:这两条线是否垂直、是否平行。 代码实现 斜率解释 斜率是数学中的一个概念,特别是…

视频分帧【截取图片】(YOLO目标检测【生成数据集】)

高效率制作数据集【按这个流程走,速度很顶】 本次制作,1059张图片【马路上流动车辆】 几乎就是全自动了,只要视频拍得好,YOLO辅助制作数据集就效率极高 视频中的图片抽取: 【由于视频内存过大,遇到报错执行…

Android 小白菜鸟从入门到精通教程

前言 Android一词最早出现于法国作家利尔亚当(Auguste Villiers de l’Isle-Adam)在1886年发表的科幻小说《未来的夏娃》(L’ve future)中。他将外表像人的机器起名为Android。从初学者的角度出发,通过通俗易懂的语言…

Delphi 11.2 配置Android SDK 环境

打开 Delphi 11 点击 Tools–Options… 然后点击 Deployment–SDK Manager–Add… 这里如果配置64位就选 Android 64-bit,如果配置32位就选 Android 32-bit 点击 Select an SDK version–Add New… 有警告图标的就是有问题的项,需要手动更新一下&#xf…

【开源库学习】libodb库学习(二)

使用持久对象 前面的章节为我们提供了ODB的高级概述,并展示了如何使用它在数据库中存储C对象。在本章中,我们将更详细地研究ODB对象持久性模型以及核心数据库API。我们将从第1节和第3节中的基本概念和术语开始,并继续讨论第4节中的odb:&#…

【BUG】已解决:ModuleNotFoundError: No module named ‘paddle‘

已解决:ModuleNotFoundError: No module named ‘paddle‘ 目录 已解决:ModuleNotFoundError: No module named ‘paddle‘ 【常见模块错误】 错误原因: 解决办法: 欢迎来到英杰社区https://bbs.csdn.net/topics/617804998 欢迎…

libcurl下载的文件内容保存到内存缓存区

文心一言 使用libcurl进行数据上传和下载时,完全可以将下载的文件内容保存到内存缓存区中,而不是直接保存到磁盘上。libcurl提供了灵活的回调函数机制,允许你在数据接收时自定义处理逻辑,包括将数据存储在内存中。 要实现这一功…

【Elasticsearch】Elasticsearch 中的节点角色

Elasticsearch 中的节点角色 1.主节点(master)1.1 专用候选主节点(dedicated master-eligible node)1.2 仅投票主节点(voting-only master-eligible node) 2.数据节点(data)2.1 内容…

OCC 创建点线面体

目录 一、利用封装已有算法实现 1、盒子建模算法封装 2、可视化 二、利用OCC 点线面实现 1、实现过程 2、实现一个面 3、拉伸面生成体 4、旋转面生成体 三、总结 一、利用封装已有算法实现 1、盒子建模算法封装 BRepPrimAPI_MakeBox box(2, 2, 2); 2、可视化 void VTK…

SSM之Mybatis

SSM之Mybatis 一、MyBatis简介1、MyBatis特性2、MyBatis的下载3、MyBatis和其他持久化层技术对比 二、MyBatis框架搭建三、MyBatis基础功能1、MyBatis核心配置文件2、MyBatis映射文件3、MyBatis实现增删改查4、MyBatis获取参数值的两种方式5、MyBatis查询功能6、MyBatis自定义映…

如何判断自己的数据格式适合使用json还是Excel的形式存入neo4j数据库

判断自己的数据格式适合使用JSON还是Excel的形式存入Neo4j数据库,主要取决于数据的复杂性、规模、结构、以及你或你的团队对这两种格式的熟悉程度。以下是一些关键因素,可以帮助你做出决策: 数据的复杂性: 如果你的数据包含大量的…

Django 入门指南:从环境设置到创建第一个应用程序

简介 Django 是一个流行的 Python Web 框架,用于快速开发强大的 Web 应用程序。本指南将带你从安装 Django 开始,逐步学习如何创建一个简单的 Django 项目和应用程序。 步骤 1: 准备环境 首先,确保你的开发环境中安装了 Python&#xff0c…

【python】OpenCV—Shape Detection

文章目录 1、需求描述2、代码实现3、涉及到的库函数cv2.arcLengthcv2.approxPolyDP 4、案例5、参考 1、需求描述 给出图像,找出其轮廓,近似确认其为几变形图像 输入 输出 2、代码实现 # 导入必要的包 import cv2 import argparse import imutils imp…

3.1、matlab双目相机标定实验

1、双目相机标定原理及流程 双目相机标定是将双目相机系统的内外参数计算出来,从而实现双目视觉中的立体测量和深度感知。标定的目的是确定各个摄像头的内部参数(如焦距、主点、畸变等)和外部参数(如相机位置、朝向等&#xff09…