当前位置: 首页>>代码示例>>Python>>正文


Python data.VOCAnnotationTransform方法代码示例

本文整理汇总了Python中data.VOCAnnotationTransform方法的典型用法代码示例。如果您正苦于以下问题:Python data.VOCAnnotationTransform方法的具体用法?Python data.VOCAnnotationTransform怎么用?Python data.VOCAnnotationTransform使用的例子?那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在data的用法示例。


在下文中一共展示了data.VOCAnnotationTransform方法的2个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: test_voc

# 需要导入模块: import data [as 别名]
# 或者: from data import VOCAnnotationTransform [as 别名]
def test_voc():
    # load net
    num_classes = len(VOC_CLASSES) + 1 # +1 background
    net = build_ssd('test', 300, num_classes) # initialize SSD
    net.load_state_dict(torch.load(args.trained_model))
    net.eval()
    print('Finished loading model!')
    # load data
    testset = VOCDetection(args.voc_root, [('2007', 'test')], None, VOCAnnotationTransform())
    if args.cuda:
        net = net.cuda()
        cudnn.benchmark = True
    # evaluation
    test_net(args.save_folder, net, args.cuda, testset,
             BaseTransform(net.size, (104, 117, 123)),
             thresh=args.visual_threshold) 
开发者ID:soo89,项目名称:CSD-SSD,代码行数:18,代码来源:test.py

示例2: test_voc

# 需要导入模块: import data [as 别名]
# 或者: from data import VOCAnnotationTransform [as 别名]
def test_voc():
    # load net
    num_classes = len(VOC_CLASSES) + 1 # +1 background
    net = build_ssd('test',args.model, 300, num_classes) # initialize SSD
    net.load_state_dict(torch.load(args.trained_model))
    net.eval()
    print('Finished loading model!')
    # load data
    testset = VOCDetection(args.voc_root, [('2007', 'test')], None, VOCAnnotationTransform())
    if args.cuda:
        net = net.cuda()
        cudnn.benchmark = True
    # evaluation
    test_net(args.save_folder, net, args.cuda, testset,
             BaseTransform(net.size, (104, 117, 123)),
             thresh=args.visual_threshold) 
开发者ID:yczhang1017,项目名称:SSD_resnet_pytorch,代码行数:18,代码来源:test.py


注:本文中的data.VOCAnnotationTransform方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。