Detección de Objetos RetinaNet

keras-io
Detección de objetos

Implementación de RetinaNet: Pérdida Focal para la Detección Densa de Objetos. Este repositorio contiene el modelo para el cuaderno Detección de Objetos con RetinaNet. Aquí, el modelo tiene la tarea de localizar los objetos presentes en una imagen y al mismo tiempo clasificarlos en diferentes categorías. En este, se ha implementado RetinaNet, un detector popular de una sola etapa, que es preciso y rápido. RetinaNet utiliza una red piramidal de características para detectar objetos eficientemente a múltiples escalas e introduce una nueva pérdida, la función de pérdida Focal, para aliviar el problema del desequilibrio extremo de clases entre el primer plano y el fondo. Créditos completos a Srihari Humbarwadi.

Como usar

El modelo se puede utilizar para detectar y clasificar objetos en imágenes. Utiliza la implementación de RetinaNet con TensorFlow y Keras.

Funcionalidades

Detección de objetos
Clasificación de objetos
Red piramidal de características
Función de pérdida Focal

Casos de uso

Localización de objetos en imágenes
Clasificación de objetos en diferentes categorías