我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

已失效

ResNet

2022-06-13 model:resnet-ubuntu18.04-cuda10.2-cudnn7-python3.7-pytorch1.6.0-new

模型标签
语义分割实例分割图像识别智慧交通/自动驾驶人脸识别OCR(光学字符识别)

模型简介

模型介绍:ResNet是由2015年的论文《Deep Residual Learning for Image Recognition》提出,现在在深度学习网络中应用越来越广泛。更深的神经网络更难训练。我们提出了一种残差学习框架来减轻网络训练,这些网络比以前使用的网络更深。我们明确地将层变为学习关于层输入的残差函数,而不是学习未参考的函数。我们提供了全面的经验证据说明这些残差网络很容易优化,并可以显著增加深度来提高准确性。在ImageNet数据集上我们评估了深度高达152层的残差网络——比VGG[40]深8倍但仍具有较低的复杂度。这些残差网络的集合在ImageNet测试集上取得了3.57%的错误率。这个结果在ILSVRC 2015分类任务上赢得了第一名。我们也在CIFAR-10上分析了100层和1000层的残差网络。官方论文:https://arxiv.org/pdf/1512.03385.pdf



1. 使用方法

1.1. 模型训练

进入终端,在root/EasyOCR/trainer(默认)路径下,输入以下命令:

python train.py

1.2. 模型测试

进入终端,在root/EasyOCR/trainer(默认)路径下,输入以下命令:

python test.py

2. 模型来源

https://github.com/JaidedAI/EasyOCR