Apache MXNet 教程navigate_next 目标检测
快速搜索
代码
显示源码
安装 教程 API 社区 贡献 GitHub
gluoncv
目录
  • 安装
  • 模型动物园
    • 分类
    • 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. CIFAR10 预训练模型入门
      • 2. 深入理解 CIFAR10 训练
      • 3. 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. 深入理解 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. 通过重用预训练模型的一部分来跳过微调
      • 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. 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姿态解析测试
    • 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. 深入理解在 COCO Keypoints 上训练 Simple Pose 模型
    • 行为识别
      • 1. UCF101 预训练 TSN 模型入门
      • 10. 介绍 Decord:高效视频读取器
      • 2. 深入理解在 UCF101 上训练 TSN 模型
      • 3. Kinetcis400 预训练 I3D 模型入门
      • 4. 深入理解在 Kinetcis400 上训练 I3D 模型
      • 5. Kinetcis400 预训练 SlowFast 模型入门
      • 6. 深入理解在 Kinetcis400 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 数据集上训练 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 数据集上训练 Monodepth2
      • 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 V2 数据集
      • 准备 HMDB51 数据集
      • 准备 ImageNet 数据集
      • 准备 Kinetics400 数据集
      • 准备 UCF101 数据集
      • 以 ImageRecord 格式准备您自己的数据集
    • 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
      • 03. 使用 GluonCV 自动任务和 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++ 推理示例
      • 3. 使用量化模型进行推理
  • PyTorch 教程
    • 行为识别
      • 1. Kinetcis400 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 fps
      • 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
    • 为 GluonCV 做贡献
  • 幻灯片
gluoncv
目录
  • 安装
  • 模型动物园
    • 分类
    • 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. CIFAR10 预训练模型入门
      • 2. 深入理解 CIFAR10 训练
      • 3. 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. 深入理解 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. 通过重用预训练模型的一部分来跳过微调
      • 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. 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姿态解析测试
    • 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. 深入理解在 COCO Keypoints 上训练 Simple Pose 模型
    • 行为识别
      • 1. UCF101 预训练 TSN 模型入门
      • 10. 介绍 Decord:高效视频读取器
      • 2. 深入理解在 UCF101 上训练 TSN 模型
      • 3. Kinetcis400 预训练 I3D 模型入门
      • 4. 深入理解在 Kinetcis400 上训练 I3D 模型
      • 5. Kinetcis400 预训练 SlowFast 模型入门
      • 6. 深入理解在 Kinetcis400 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 数据集上训练 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 数据集上训练 Monodepth2
      • 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 V2 数据集
      • 准备 HMDB51 数据集
      • 准备 ImageNet 数据集
      • 准备 Kinetics400 数据集
      • 准备 UCF101 数据集
      • 以 ImageRecord 格式准备您自己的数据集
    • 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
      • 03. 使用 GluonCV 自动任务和 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++ 推理示例
      • 3. 使用量化模型进行推理
  • PyTorch 教程
    • 行为识别
      • 1. Kinetcis400 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 fps
      • 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
    • 为 GluonCV 做贡献
  • 幻灯片

目标检测¶

01. Predict with pre-trained SSD models

01. 使用预训练 SSD 模型进行预测¶

02. Predict with pre-trained Faster RCNN models

02. 使用预训练 Faster RCNN 模型进行预测¶

03. Predict with pre-trained YOLO models

03. 使用预训练 YOLO 模型进行预测¶

04. Train SSD on Pascal VOC dataset

04. 在 Pascal VOC 数据集上训练 SSD¶

05. Deep dive into SSD training: 3 tips to boost performance

05. 深入理解 SSD 训练:提升性能的 3 个技巧¶

06. Train Faster-RCNN end-to-end on PASCAL VOC

06. 在 PASCAL VOC 上端到端训练 Faster-RCNN¶

07. Train YOLOv3 on PASCAL VOC

07. 在 PASCAL VOC 上训练 YOLOv3¶

08. Finetune a pretrained detection model

08. 微调预训练检测模型¶

09. Run an object detection model on your webcam

09. 在网络摄像头上运行目标检测模型¶

10. Skip Finetuning by reusing part of pre-trained model

10. 通过重用预训练模型的一部分来跳过微调¶

11. Predict with pre-trained CenterNet models

11. 使用预训练 CenterNet 模型进行预测¶

12. Run an object detection model on NVIDIA Jetson module

12. 在 NVIDIA Jetson 模块上运行目标检测模型¶

下载 所有 Python 源码示例: examples_detection_python.zip

下载 所有 Jupyter notebook 示例: examples_detection_jupyter.zip

由 Sphinx-Gallery 生成的画廊

上一页
5. 在 ImageNet 上训练自己的模型
下一页
01. 使用预训练 SSD 模型进行预测