Apache MXNet 教程navigate_next 自动模块
快速搜索
代码
显示源文件
安装 教程 API 社区 贡献 GitHub
gluoncv
目录
  • 安装
  • 模型库
    • 图像分类
    • 目标检测
    • 分割
    • 姿态估计
    • 行为识别
    • 深度预测
  • Apache MXNet 教程
    • 图像分类
      • 1. 使用 CIFAR10 预训练模型入门
      • 2. 深入了解 CIFAR10 训练
      • 3. 使用 ImageNet 预训练模型入门
      • 4. 使用自己的图像数据集进行迁移学习
      • 5. 在 ImageNet 上训练自己的模型
    • 目标检测
      • 01. 使用预训练 SSD 模型进行预测
      • 02. 使用预训练 Faster RCNN 模型进行预测
      • 03. 使用预训练 YOLO 模型进行预测
      • 04. 在 Pascal VOC 数据集上训练 SSD
      • 05. 深入了解 SSD 训练：提升性能的 3 个技巧
      • 06. 在 PASCAL VOC 上端到端训练 Faster-RCNN
      • 07. 在 PASCAL VOC 上训练 YOLOv3
      • 08. 微调预训练的目标检测模型
      • 09. 在网络摄像头上运行目标检测模型
      • 10. 通过重用部分预训练模型跳过微调
      • 11. 使用预训练 CenterNet 模型进行预测
      • 12. 在 NVIDIA Jetson 模块上运行目标检测模型
    • 实例分割
      • 1. 使用预训练 Mask RCNN 模型进行预测
      • 2. 在 MS COCO 上端到端训练 Mask RCNN
    • 语义分割
      • 1. 使用 FCN 预训练模型入门
      • 2. 使用 PSPNet 预训练模型进行测试
      • 3. 使用 DeepLabV3 预训练模型进行测试
      • 4. 在 Pascal VOC 数据集上训练 FCN
      • 5. 在 ADE20K 数据集上训练 PSPNet
      • 6. 在 Pascal VOC 数据集上复现 SOTA
      • 7. 使用 ICNet 预训练模型进行多人图像解析测试
    • 姿态估计
      • 1. 使用预训练 Simple Pose Estimation 模型进行预测
      • 2. 使用预训练 AlphaPose Estimation 模型进行预测
      • 3. 从网络摄像头估计姿态
      • 4. 深入了解在 COCO Keypoints 上训练 Simple Pose 模型
    • 行为识别
      • 1. 使用 UCF101 预训练 TSN 模型入门
      • 10. 介绍 Decord：一个高效的视频读取器
      • 2. 深入了解在 UCF101 上训练 TSN 模型
      • 3. 使用 Kinetics400 预训练 I3D 模型入门
      • 4. 深入了解在 Kinetics400 上训练 I3D 模型
      • 5. 使用 Kinetics400 预训练 SlowFast 模型入门
      • 6. 深入了解在 Kinetics400 上训练 SlowFast 模型
      • 7. 在自己的数据集上微调 SOTA 视频模型
      • 8. 从预训练模型中提取视频特征
      • 9. 使用预训练模型对自己的视频进行推理
    • 目标跟踪
      • 01. 使用预训练 SiamRPN 模型进行单目标跟踪
      • 02. 在 COCO、VID、DET、Youtube_bb 上训练 SiamRPN
      • 03. 使用预训练 SMOT 模型进行多目标跟踪
    • 深度预测
      • 01. 使用预训练 Monodepth2 模型从单张图像预测深度
      • 02. 使用预训练 Monodepth2 模型从图像序列或视频预测深度
      • 03. 在 KITTI 数据集上进行 Monodepth2 训练
      • 04. 使用预训练 Monodepth2 Pose 模型从图像序列测试 PoseNet
    • 准备数据集
      • 准备 ADE20K 数据集。
      • 准备 COCO 数据集
      • 准备 COCO 数据集
      • 准备 Cityscapes 数据集。
      • 准备 ILSVRC 2015 DET 数据集
      • 准备 ILSVRC 2015 VID 数据集
      • 准备 Multi-Human Parsing V1 数据集
      • 准备 OTB 2015 数据集
      • 准备 PASCAL VOC 数据集
      • 准备 Youtube_bb 数据集
      • 为目标检测准备自定义数据集
      • 准备 20BN-something-something 数据集 V2
      • 准备 HMDB51 数据集
      • 准备 ImageNet 数据集
      • 准备 Kinetics400 数据集
      • 准备 UCF101 数据集
      • 将数据集准备为 ImageRecord 格式
    • 自动模块
      • 01. 使用 GluonCV 自动模块加载网络数据集
      • 02. 使用自动评估器训练图像分类模型
      • 03. 使用 GluonCV 自动任务通过 HPO 训练分类器或检测器
    • 分布式训练
      • 1. 深度视频模型的分布式训练
    • 部署
      • 1. 将训练好的 GluonCV 网络导出为 JSON
      • 2. GluonCV C++ 推理演示
      • 3. 使用量化模型进行推理
  • PyTorch 教程
    • 行为识别
      • 1. 使用 Kinetics400 预训练 I3D 模型入门
      • 2. 在自己的数据集上微调 SOTA 视频模型
      • 3. 从预训练模型中提取视频特征
      • 4. 计算模型的 FLOPS、延迟和帧率
      • 5. 分布式数据并行 (DDP) 框架
  • API 参考
    • gluoncv.data
    • gluoncv.data.batchify
    • gluoncv.data.transforms
    • gluoncv.model_zoo
    • gluoncv.nn
    • gluoncv.loss
    • gluoncv.utils
  • 社区
    • 社区
    • 贡献到 GluonCV
  • 幻灯片
gluoncv
目录
  • 安装
  • 模型库
    • 图像分类
    • 目标检测
    • 分割
    • 姿态估计
    • 行为识别
    • 深度预测
  • Apache MXNet 教程
    • 图像分类
      • 1. 使用 CIFAR10 预训练模型入门
      • 2. 深入了解 CIFAR10 训练
      • 3. 使用 ImageNet 预训练模型入门
      • 4. 使用自己的图像数据集进行迁移学习
      • 5. 在 ImageNet 上训练自己的模型
    • 目标检测
      • 01. 使用预训练 SSD 模型进行预测
      • 02. 使用预训练 Faster RCNN 模型进行预测
      • 03. 使用预训练 YOLO 模型进行预测
      • 04. 在 Pascal VOC 数据集上训练 SSD
      • 05. 深入了解 SSD 训练：提升性能的 3 个技巧
      • 06. 在 PASCAL VOC 上端到端训练 Faster-RCNN
      • 07. 在 PASCAL VOC 上训练 YOLOv3
      • 08. 微调预训练的目标检测模型
      • 09. 在网络摄像头上运行目标检测模型
      • 10. 通过重用部分预训练模型跳过微调
      • 11. 使用预训练 CenterNet 模型进行预测
      • 12. 在 NVIDIA Jetson 模块上运行目标检测模型
    • 实例分割
      • 1. 使用预训练 Mask RCNN 模型进行预测
      • 2. 在 MS COCO 上端到端训练 Mask RCNN
    • 语义分割
      • 1. 使用 FCN 预训练模型入门
      • 2. 使用 PSPNet 预训练模型进行测试
      • 3. 使用 DeepLabV3 预训练模型进行测试
      • 4. 在 Pascal VOC 数据集上训练 FCN
      • 5. 在 ADE20K 数据集上训练 PSPNet
      • 6. 在 Pascal VOC 数据集上复现 SOTA
      • 7. 使用 ICNet 预训练模型进行多人图像解析测试
    • 姿态估计
      • 1. 使用预训练 Simple Pose Estimation 模型进行预测
      • 2. 使用预训练 AlphaPose Estimation 模型进行预测
      • 3. 从网络摄像头估计姿态
      • 4. 深入了解在 COCO Keypoints 上训练 Simple Pose 模型
    • 行为识别
      • 1. 使用 UCF101 预训练 TSN 模型入门
      • 10. 介绍 Decord：一个高效的视频读取器
      • 2. 深入了解在 UCF101 上训练 TSN 模型
      • 3. 使用 Kinetics400 预训练 I3D 模型入门
      • 4. 深入了解在 Kinetics400 上训练 I3D 模型
      • 5. 使用 Kinetics400 预训练 SlowFast 模型入门
      • 6. 深入了解在 Kinetics400 上训练 SlowFast 模型
      • 7. 在自己的数据集上微调 SOTA 视频模型
      • 8. 从预训练模型中提取视频特征
      • 9. 使用预训练模型对自己的视频进行推理
    • 目标跟踪
      • 01. 使用预训练 SiamRPN 模型进行单目标跟踪
      • 02. 在 COCO、VID、DET、Youtube_bb 上训练 SiamRPN
      • 03. 使用预训练 SMOT 模型进行多目标跟踪
    • 深度预测
      • 01. 使用预训练 Monodepth2 模型从单张图像预测深度
      • 02. 使用预训练 Monodepth2 模型从图像序列或视频预测深度
      • 03. 在 KITTI 数据集上进行 Monodepth2 训练
      • 04. 使用预训练 Monodepth2 Pose 模型从图像序列测试 PoseNet
    • 准备数据集
      • 准备 ADE20K 数据集。
      • 准备 COCO 数据集
      • 准备 COCO 数据集
      • 准备 Cityscapes 数据集。
      • 准备 ILSVRC 2015 DET 数据集
      • 准备 ILSVRC 2015 VID 数据集
      • 准备 Multi-Human Parsing V1 数据集
      • 准备 OTB 2015 数据集
      • 准备 PASCAL VOC 数据集
      • 准备 Youtube_bb 数据集
      • 为目标检测准备自定义数据集
      • 准备 20BN-something-something 数据集 V2
      • 准备 HMDB51 数据集
      • 准备 ImageNet 数据集
      • 准备 Kinetics400 数据集
      • 准备 UCF101 数据集
      • 将数据集准备为 ImageRecord 格式
    • 自动模块
      • 01. 使用 GluonCV 自动模块加载网络数据集
      • 02. 使用自动评估器训练图像分类模型
      • 03. 使用 GluonCV 自动任务通过 HPO 训练分类器或检测器
    • 分布式训练
      • 1. 深度视频模型的分布式训练
    • 部署
      • 1. 将训练好的 GluonCV 网络导出为 JSON
      • 2. GluonCV C++ 推理演示
      • 3. 使用量化模型进行推理
  • PyTorch 教程
    • 行为识别
      • 1. 使用 Kinetics400 预训练 I3D 模型入门
      • 2. 在自己的数据集上微调 SOTA 视频模型
      • 3. 从预训练模型中提取视频特征
      • 4. 计算模型的 FLOPS、延迟和帧率
      • 5. 分布式数据并行 (DDP) 框架
  • API 参考
    • gluoncv.data
    • gluoncv.data.batchify
    • gluoncv.data.transforms
    • gluoncv.model_zoo
    • gluoncv.nn
    • gluoncv.loss
    • gluoncv.utils
  • 社区
    • 社区
    • 贡献到 GluonCV
  • 幻灯片

自动模块¶

01. Load web datasets with GluonCV Auto Module

01. 使用 GluonCV 自动模块加载网络数据集¶

02. Train Image Classification with Auto Estimator

02. 使用自动评估器训练图像分类模型¶

03. Train classifier or detector with HPO using GluonCV Auto task

03. 使用 GluonCV 自动任务通过 HPO 训练分类器或检测器¶

下载 所有 Python 源码 示例: examples_auto_module_python.zip

下载 所有 Jupyter Notebook 示例: examples_auto_module_jupyter.zip

由 Sphinx-Gallery 生成的图库

上一个
将数据集准备为 ImageRecord 格式
下一个
01. 使用 GluonCV 自动模块加载网络数据集