Mxnet (33): SSD检测香蕉
发布时间
阅读量：
阅读量
1. 香蕉检测数据集
与MNIST和Fashion-MNIST等小规模数据集相比，传统对象检测面临较大的数据多样性挑战。为加快模型验证速度，建议自行构建实验数据集。首先基于香蕉形状生成具有不同角度和尺寸的图像样本。随后从背景库中选取若干自然场景图片，并随机放置生成的香蕉图像于其中。完成后所得的香蕉目标检测训练集可通过网络平台获取使用。
from d2l import mxnet as d2l
from mxnet import gluon, image, np, npx, autograd, init
from mxnet.gluon import nn
from plotly import graph_objs as go, express as px
from plotly.subplots import make_subplots
from IPython.display import Image
import plotly.io as pio
import os
pio.kaleido.scope.default_format = "svg"
npx.set_np()
d2l.DATA_HUB['bananas'] = (d2l.DATA_URL + 'b全部评论 (0)
还没有任何评论哟~