Gaussian YOLOv3: 使用定位不确定性实现准确、快速的目标检测器，用于自动驾驶 (ICCV, 2019)
此仓库包含我们的 ICCV 2019 论文 的代码。 提出的算法基于 YOLOv3 官方代码 实现。 提供的示例权重文件 ("Gaussian_yolov3_BDD.weights") 并非论文中使用的权重文件,而是用于发布代码验证的新训练的权重。 由于此权重文件比论文中使用的权重更准确,我们在仓库中提供了此文件。
要求---------------------- 代码已在以下环境下进行测试： Ubuntu 16.04, NVIDIA GTX 1080 Ti 使用 CUDA 8.0 和 cuDNNv7, OpenCV 3.4.0 Ubuntu 16.04, NVIDIA Titan Xp 使用 CUDA 9.0 和 cuDNNv7, OpenCV 3.3.0 设置------ 请参阅 YOLOv3 网站上的说明 设置 数据集------- 我们使用伯克利深度驾驶 (BDD) 数据集测试了我们的算法。 如果您要使用 BDD 数据集，请参阅 BDD 网站 并下载数据集。 训练--------- 进行训练时，您必须制作图像列表文件 (例如，"train_bdd_list.txt") 和真值数据。 请参阅以下网站： YOLOv3、 如何训练 YOLO
`仓库中的文件列表 ("train_bdd_list.txt","val_bdd_list.txt","test_bdd_list.txt") 就是一个示例。您必须修改 f
暂无开放 Issues，或尚未同步最近议题。