Feature Request: FCN with Vgg 16 and Resnet Backbones
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- pytorch
- Ambito
- computer-vision, machine-learning
Direzione di ricerca
No file, test, or entry point is named. Start by surveying the repository's Jupyter Notebook examples and identifying any existing FCN implementation, then compare the requested Vgg16 and Resnet backbones and the stated cropping and pixel-alignment concerns. Done means both backbones are included with clear guidance on alignment.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hello, Sebastian, can you please also include, FCN with Vgg16 and Resnet backbones sometime in near future. Currently I could only find pytorch implementations with Vgg16 backbones but not Resnet. Also many repos don't explain the appropriate cropping and pixel alignment with vgg16 backbone.
- Lingua principale
- Jupyter Notebook
- Stelle
- 17.6k
- Fork
- 4.1k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di rasbt/deeplearning-models
-
Encoder weights initialized twice, decoder weights not initializedForse di nuovo libera Una pull request per questa issue è stata chiusa senza essere unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
rasbt/deeplearning-models#79 · 1 commento ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
rasbt/deeplearning-models#78 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
rasbt/deeplearning-models#76 · 2 commenti · 1 reazione ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
rasbt/deeplearning-models#74 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
rasbt/deeplearning-models#63 ·
Tutte le issue di rasbt/deeplearning-models
Issue simili
-
documentation good first issue training
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
-
bug crate: 3d help wanted triage
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
kornia/kornia-rs#1203 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
bug features2D-module wasm
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
Bug: image resize ratios are wrong when both size limits applyForse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
I maintainer di solito rispondono entro 3 giorni
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
roboflow/supervision#2756 ·
I maintainer di solito rispondono entro 1 giorno