我读过论文MobileNetV2(arXiv:1801.04381)我注意到SSD Lite MobileNetV2的推理时间比SSD MobileNetV2快。“在SSD预测层中,我们用可分离的卷积替换所有规则的卷积(深度上,然后是1×1投影)”。我不明白其中的区别,因为当MobileNetV1(arXiv:1704.04861v1)发布并应用于固态硬盘时,它已经将上面提到的所有卷积层都替换为深度可分离的卷积。
我在raspberry pi 4B上用带有MobilenetV3骨干的深度神经网络进行了对象检测,但结果是“属性错误模块'torchvision.models.detection‘没有属性'ssdlite320detection.fasterrcnn_mobilenet_v3_large_320_fpn, "ssd-mobilenet": detection.ssdlite320
我在我的项目中使用一个mlmodel来检测对象。模型的输入是Image (Color 300 x 300),输出是MultiArray (Double)和MultiArray (Double 4 x 1917 x 1)。我做了VNCoreMLRequest,得到的输出就像上面提到的一样精确。在这里,我需要从MLMultiArray输出向用户显示对象名称和信任。现在,问题是如何解码它,如何从MLMultiArray获得对象名称和信任。我从过去的三天开始做研究,没有用。
我正试图在谷歌科拉布训练CNN。我的笔记本和这个笔记本非常相似:
我不知道为什么,但是当我运行!python3 object_detection/builders/model_builder_test.py时,Python说python3: can't open file 'object_detection/builders/model_builder_test.py': [Errno 2] No such file or directory。我正确地设置了PYTHONPAT