社区
快速搜索
代码
查看源代码
安装 教程 API 社区 贡献 GitHub
gluoncv
目录
  • 安装
  • 模型库
    • 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. 使用CIFAR10上的预训练模型入门
      • 2. 深入学习CIFAR10训练
      • 3. 使用ImageNet上的预训练模型入门
      • 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. 使用预训练的SSD模型进行预测
      • 02. 使用预训练的Faster RCNN模型进行预测
      • 03. 使用预训练的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. 微调预训练的检测模型
      • 09. 在您的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. 使用预训练的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. 使用预训练的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. 使用预训练的FCN模型入门
      • 2. 使用预训练的PSPNet模型进行测试
      • 3. 使用预训练的DeepLabV3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. 使用预训练的ICNet模型进行多人解析测试
    • 姿态估计
      • 1. 使用预训练的Simple Pose Estimation模型进行预测
      • 2. 使用预训练的AlphaPose Estimation模型进行预测
      • 3. 从您的网络摄像头估计姿态
      • 4. 深入了解在COCO关键点上训练Simple Pose模型
    • 行为识别
      • 1. 使用UCF101上的预训练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上的预训练I3D模型入门
      • 4. 深入了解在Kinetics400上训练I3D模型
      • 5. 使用Kinetics400上的预训练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. 使用预训练的SiamRPN模型进行单目标跟踪
      • 02. 在COCO、VID、DET、Youtube_bb上训练SiamRPN
      • 03. 使用预训练的SMOT模型进行多目标跟踪
    • 深度预测
      • 01. 使用预训练的Monodepth2模型从单张图像预测深度
      • 02. 使用预训练的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. 使用预训练的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
      • 以ImageRecord格式准备您的数据集
    • 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上的预训练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
    • 贡献给GluonCV
  • 幻灯片
gluoncv
目录
  • 安装
  • 模型库
    • 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. 使用CIFAR10上的预训练模型入门
      • 2. 深入学习CIFAR10训练
      • 3. 使用ImageNet上的预训练模型入门
      • 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. 使用预训练的SSD模型进行预测
      • 02. 使用预训练的Faster RCNN模型进行预测
      • 03. 使用预训练的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. 微调预训练的检测模型
      • 09. 在您的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. 使用预训练的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. 使用预训练的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. 使用预训练的FCN模型入门
      • 2. 使用预训练的PSPNet模型进行测试
      • 3. 使用预训练的DeepLabV3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. 使用预训练的ICNet模型进行多人解析测试
    • 姿态估计
      • 1. 使用预训练的Simple Pose Estimation模型进行预测
      • 2. 使用预训练的AlphaPose Estimation模型进行预测
      • 3. 从您的网络摄像头估计姿态
      • 4. 深入了解在COCO关键点上训练Simple Pose模型
    • 行为识别
      • 1. 使用UCF101上的预训练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上的预训练I3D模型入门
      • 4. 深入了解在Kinetics400上训练I3D模型
      • 5. 使用Kinetics400上的预训练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. 使用预训练的SiamRPN模型进行单目标跟踪
      • 02. 在COCO、VID、DET、Youtube_bb上训练SiamRPN
      • 03. 使用预训练的SMOT模型进行多目标跟踪
    • 深度预测
      • 01. 使用预训练的Monodepth2模型从单张图像预测深度
      • 02. 使用预训练的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. 使用预训练的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
      • 以ImageRecord格式准备您的数据集
    • 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上的预训练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
    • 贡献给GluonCV
  • 幻灯片

社区¶

  • 社区
  • 贡献给GluonCV
上一页
gluoncv.utils
下一页
社区