Mask_RCNN-master.zip
资源来源:本地上传资源
文件类型:ZIP
大小:73.68MB
评分:
5.0
上传者:qq_61523551
更新日期:2024-08-01
Mask-RCNN-master.zip，Mask-RCNN安装文件
资源文件列表(大概)
文件名
大小
Mask_RCNN-master/
-
Mask_RCNN-master/.gitignore
569B
Mask_RCNN-master/LICENSE
1.07KB
Mask_RCNN-master/MANIFEST.in
58B
Mask_RCNN-master/README.md
13.44KB
Mask_RCNN-master/assets/
-
Mask_RCNN-master/assets/4k_video.gif
11.61MB
Mask_RCNN-master/assets/balloon_color_splash.gif
9.21MB
Mask_RCNN-master/assets/detection_activations.png
69.11KB
Mask_RCNN-master/assets/detection_anchors.png
746.79KB
Mask_RCNN-master/assets/detection_final.png
887.11KB
Mask_RCNN-master/assets/detection_histograms.png
13.43KB
Mask_RCNN-master/assets/detection_masks.png
9.75KB
Mask_RCNN-master/assets/detection_refinement.png
702.75KB
Mask_RCNN-master/assets/detection_tensorboard.png
43.08KB
Mask_RCNN-master/assets/images_to_osm.png
983.02KB
Mask_RCNN-master/assets/mapping_challenge.png
613.2KB
Mask_RCNN-master/assets/nucleus_segmentation.png
708.45KB
Mask_RCNN-master/assets/project_3dbuildings.png
959.02KB
Mask_RCNN-master/assets/project_grass_gis.png
578.81KB
Mask_RCNN-master/assets/project_ice_wedge_polygons.png
1MB
Mask_RCNN-master/assets/project_shiny1.jpg
216.48KB
Mask_RCNN-master/assets/project_usiigaci1.gif
2.54MB
Mask_RCNN-master/assets/project_usiigaci2.gif
609.42KB
Mask_RCNN-master/assets/street.png
890.48KB
Mask_RCNN-master/images/
-
Mask_RCNN-master/images/1045023827_4ec3e8ba5c_z.jpg
137.64KB
Mask_RCNN-master/images/12283150_12d37e6389_z.jpg
66.75KB
Mask_RCNN-master/images/2383514521_1fc8d7b0de_z.jpg
203.23KB
Mask_RCNN-master/images/2502287818_41e4b0c4fb_z.jpg
130.58KB
Mask_RCNN-master/images/2516944023_d00345997d_z.jpg
176.98KB
Mask_RCNN-master/images/25691390_f9944f61b5_z.jpg
176.2KB
Mask_RCNN-master/images/262985539_1709e54576_z.jpg
121.88KB
Mask_RCNN-master/images/3132016470_c27baa00e8_z.jpg
169.62KB
Mask_RCNN-master/images/3627527276_6fe8cd9bfe_z.jpg
157.16KB
Mask_RCNN-master/images/3651581213_f81963d1dd_z.jpg
147.02KB
Mask_RCNN-master/images/3800883468_12af3c0b50_z.jpg
119.68KB
Mask_RCNN-master/images/3862500489_6fd195d183_z.jpg
94.01KB
Mask_RCNN-master/images/3878153025_8fde829928_z.jpg
85.81KB
Mask_RCNN-master/images/4410436637_7b0ca36ee7_z.jpg
123.79KB
Mask_RCNN-master/images/4782628554_668bc31826_z.jpg
223.71KB
Mask_RCNN-master/images/5951960966_d4e1cda5d0_z.jpg
157.21KB
Mask_RCNN-master/images/6584515005_fce9cec486_z.jpg
142.24KB
Mask_RCNN-master/images/6821351586_59aa0dc110_z.jpg
212.46KB
Mask_RCNN-master/images/7581246086_cf7bbb7255_z.jpg
142.37KB
Mask_RCNN-master/images/7933423348_c30bd9bd4e_z.jpg
208.56KB
Mask_RCNN-master/images/8053677163_d4c8f416be_z.jpg
219.62KB
Mask_RCNN-master/images/8239308689_efa6c11b08_z.jpg
221.09KB
Mask_RCNN-master/images/8433365521_9252889f9a_z.jpg
177.85KB
Mask_RCNN-master/images/8512296263_5fc5458e20_z.jpg
145.92KB
Mask_RCNN-master/images/8699757338_c3941051b6_z.jpg
234.31KB
Mask_RCNN-master/images/8734543718_37f6b8bd45_z.jpg
162.83KB
Mask_RCNN-master/images/8829708882_48f263491e_z.jpg
237.28KB
Mask_RCNN-master/images/9118579087_f9ffa19e63_z.jpg
300.74KB
Mask_RCNN-master/images/9247489789_132c0d534a_z.jpg
282.17KB
Mask_RCNN-master/mrcnn/
-
Mask_RCNN-master/mrcnn/__init__.py
1B
Mask_RCNN-master/mrcnn/config.py
9.44KB
Mask_RCNN-master/mrcnn/model.py
123.84KB
Mask_RCNN-master/mrcnn/parallel_model.py
6.92KB
Mask_RCNN-master/mrcnn/utils.py
33.47KB
Mask_RCNN-master/mrcnn/visualize.py
18.51KB
Mask_RCNN-master/requirements.txt
106B
Mask_RCNN-master/samples/
-
Mask_RCNN-master/samples/balloon/
-
Mask_RCNN-master/samples/balloon/README.md
1.94KB
Mask_RCNN-master/samples/balloon/balloon.py
13.71KB
Mask_RCNN-master/samples/balloon/inspect_balloon_data.ipynb
7.8MB
Mask_RCNN-master/samples/balloon/inspect_balloon_model.ipynb
9.99MB
Mask_RCNN-master/samples/coco/
-
Mask_RCNN-master/samples/coco/coco.py
21.04KB
Mask_RCNN-master/samples/coco/inspect_data.ipynb
7.84MB
Mask_RCNN-master/samples/coco/inspect_model.ipynb
9.84MB
Mask_RCNN-master/samples/coco/inspect_weights.ipynb
1.21MB
Mask_RCNN-master/samples/demo.ipynb
1.48MB
Mask_RCNN-master/samples/nucleus/
-
Mask_RCNN-master/samples/nucleus/README.md
1.25KB
Mask_RCNN-master/samples/nucleus/inspect_nucleus_data.ipynb
4.21MB
Mask_RCNN-master/samples/nucleus/inspect_nucleus_model.ipynb
6.59MB
Mask_RCNN-master/samples/nucleus/nucleus.py
18.05KB
Mask_RCNN-master/samples/shapes/
-
Mask_RCNN-master/samples/shapes/shapes.py
7.41KB
Mask_RCNN-master/samples/shapes/train_shapes.ipynb
99.23KB
Mask_RCNN-master/setup.cfg
99B
Mask_RCNN-master/setup.py
2.46KB
资源内容介绍
安装可以查看，含一些报错解决方案，https://mp.csdn.net/mp_blog/creation/editor/140853795Mask R-CNN（Mask Region-Based Convolutional Neural Network）是一种用于实例分割（Instance Segmentation）的深度学习模型。它是在 Faster R-CNN 的基础上扩展而来，可以同时进行对象检测（Object Detection）、目标实例分割以及对象的语义分割。让我用更简单的术语解释一下 Mask R-CNN 的工作原理：1. **对象检测（Object Detection）**：Mask R-CNN 可以识别图像中的不同物体，并确定它们的位置。这类似于在图像中画边界框来标记物体的位置，即确定物体在图像中的位置和大小。2. **实例分割（Instance Segmentation）**：与对象检测不同，实例分割不仅可以检测物体的位置，还可以为每个检测到的物体生成一个像素级的掩模（mask），将其与图像中其他物体进行区分，从而精确地确定物体边界。3. *用户评论 (0)
相关资源
education.zip
education
136.51KB12金币
基于SSM实现的酒店后台管理系统(源码+数据库).zip
酒店后台管理系统简介这是一个基于SSM框架开发的精简酒店后台管理系统，旨在提供高效的住客、房间和会员信息管理功能，同时支持数据的导出下载。系统采用layui-Qadmin模板设计，整体风格简约大气，操作方便快捷，欢迎各位专业人士下载使用或进行二次开发，期待各方提出宝贵意见。安装教程安装步骤如下：1.导入至您的IDE工具中。2.配置Tomcat服务器和MySQL数据库。3.部署并运行应用程序，确保应用程序上下文路径配置为根路径"/".使用说明系统使用方法：4.打开系统后，进入登录页面进行身份验证。5.在左侧菜单中选择相应功能，如添加住客、查看房间列表等操作。部分页面截图6.登录页7.首页8.添加住客9.房间列表显示以上是对该酒店后台管理系统的简要介绍和使用说明。系统设计简洁明了，适合酒店管理人员快速有效地管理相关信息。如有任何建议或意见，请随时联系我们。
9.46MB29金币
“基于Java的聊天室”-作业报告word+源代码
“基于Java的聊天室”-作业报告word+源代码
4.87MB12金币
《自动化Excel数据批量导入MySQL：使用Python与Pandas构建高效数据迁移工具，上亿数据量半小时搞定》
在当今的数据驱动环境中，数据迁移是连接不同数据源、实现数据共享与分析的重要环节。本文介绍了一个使用Python编程语言结合Pandas库和SQLAlchemy库构建的自动化工具，该工具能够高效地将Excel文件中的数据批量导入MySQL数据库。通过本工具，用户可以简化繁琐的数据迁移流程，提高数据处理效率，为数据分析和业务决策提供有力支持。本文主要可以批量处理Excel文件，将多个文件数据提取到一个数据库表中，并标识每行数据的来源。
381.03KB21金币
暑期学什么？-关于Pycharm
暑期学什么？-关于Pycharm
145.94KB10金币
海螺影视主题模板M3.1
上传模板至template目录内后台快捷菜单配置添加:/admin.php/admin/conch/theme
1.29MB29金币
使用delphi语言开发的计算器
计算器
1.04MB14金币
魔众投票系统简单易用的投票系统
简单好用的投票系统，支持多种活动[新功能] 初始版本发布
19.54MB23金币
java贪心算法的解题思路＋代码
内容概要在这篇文章中，我详细介绍了贪心算法的基本概念和常用策略，并通过多个经典的实际例子展示了贪心算法在解决各种问题中的应用。您将学习到：贪心算法的核心思想和特点。如何识别和设计贪心策略以解决特定问题。使用Java编程语言实现贪心算法的具体代码示例。对不同问题的优化思路和代码实现过程的详细解析。适用人群这篇文章适合以下几类人群：编程初学者：希望了解并掌握贪心算法的基本概念和实现方法。计算机科学专业学生：正在学习算法课程并需要更多实际例子的同学。软件开发人员：需要在项目中应用贪心算法解决具体问题的工程师。算法爱好者：对算法研究感兴趣并希望深入理解贪心算法的朋友。使用场景这篇文章适用于多种学习和工作场景，包括但不限于：算法学习和复习：作为学习贪心算法的重要参考资料，帮助您巩固和提升算法知识。编程面试准备：为准备编程面试的您提供具体的解题思路和代码实现，帮助您应对算法相关的面试题目。项目开发实践：在实际项目中需要使用贪心算法时，提供可直接应用的代码示例和优化方案。希望这篇文章能为您提供实用的帮助和启发，欢迎阅读并分享您的宝贵意见！祝学习愉快！
2.09MB20金币
Git-2.46.0-64Git-2.46.0-64.zip
Git-2.46.0-64
64.6MB29金币
Java课程设计(班级管理系统).zip
这是“java 课程设计(班级管理系统)”，仅供学习参考，请勿商用。
193.68KB10金币
java+mysql crm客户关系管理系统(doc文档).zip
这是“java+mysql crm 客户关系管理系统，文档”，仅供学习参考，请勿商用。
448.86KB15金币