GTS NX网格文件（FPN）导入到Flac3D 6.0接口软件

更快的RCNN-pytorch FasterRCNN在VGG，ResNet和FPN基础中实现。 参考： rbg的FasterRCNN代码： : 模型表现 在VOC2017上进行培训在VOC2017上进行测试 骨干 地图 VGG16 0.7061 ResNet101 0.754 训练模型 1.运行前，您需要： 光盘./lib 在make.sh和setup.py中更改gpu_id。 具体来说，您需要在make.sh的第5、12和19行以及setup.py的第143行中修改参数设置，其中包含关键字“ -arch =”取决于您的gpu模型。（选择适当的体系结构，见下表） sh make.sh GPU型号 建筑学 TitanX（麦克斯韦/帕斯卡） sm_52 GTX 960M sm_50 GTX 108（钛） sm_61 网格K520（AWS g2.2xlarge

用于目标检测的特征金字塔网络 注意 基于FPN的。 支持多GPU培训！ 抽象 这是的的张量流重新实现。 该项目基于 ，由和完成。 对VOC 2007进行培训，对VOC 2007进行测试（PS。该项目还支持可可培训。） 比较方式 use_voc2007_metric 楷模 地图 羊 马 自行车 瓶子 牛 沙发 总线 狗 猫 人 培养 餐桌 飞机 汽车 盆栽 电视监视器 椅子 鸟 船 摩托车 resnet50_v1 73.09 72.11 85.63 77.74 55.82 81.19 67.34 82.44 85.66 87.34 77.49 79.13 62.6

mmdetection开源的htc的resnext64x4d预训练模型，上传不了超过220M的东西，我把百度云链接放在压缩包里了

Altum Designer PCB封装库

这个是BIN文件需要有点动手能力，将主板25P128芯片焊接下来，使用编程器读写数据之后焊接到主板上即可。

该文件是对FPN源码进行简单修改，便于在Windows平台下训练自己的数据集，并进行检测。文件包含完成项目，可以直接运行inference.py。

适用于STM8单片机的PCB封装UFQFPN20

一种基于WFPN的云服务选择方法.pdf

GFL_COCO_FPN预训练模型，测试用