在好例子网,分享、交流、成长!
您当前所在位置:首页Others 开发实例一般编程问题 → SSD源码的QT工程

SSD源码的QT工程

一般编程问题

下载此实例
  • 开发语言:Others
  • 实例大小:1.00M
  • 下载次数:3
  • 浏览次数:90
  • 发布时间:2020-09-06
  • 实例类别:一般编程问题
  • 发 布 人:robot666
  • 文件格式:.rar
  • 所需积分:2
 

实例介绍

【实例简介】
SSD源码阅读的时候,我对SSD源码创建了QT工程,这样方便阅读,提高阅读效率
【实例截图】
【核心代码】
Caffe_SSD
└── Caffe_SSD
├── Caffe_SSD.pro
├── Caffe_SSD.pro.user
├── Caffe_SSD.pro.user.42a87c0
├── Caffe_SSD.pro.user.6fd70a7
├── Classifier.cpp
├── Classifier.h
├── convert_annoset.cpp
├── main.cpp
├── source
│   ├── include
│   │   └── caffe
│   │   ├── blob.hpp
│   │   ├── caffe.hpp
│   │   ├── common.hpp
│   │   ├── data_reader.hpp
│   │   ├── data_transformer.hpp
│   │   ├── filler.hpp
│   │   ├── internal_thread.hpp
│   │   ├── layer_factory.hpp
│   │   ├── layer.hpp
│   │   ├── layers
│   │   │   ├── absval_layer.hpp
│   │   │   ├── accuracy_layer.hpp
│   │   │   ├── annotated_data_layer.hpp
│   │   │   ├── argmax_layer.hpp
│   │   │   ├── base_conv_layer.hpp
│   │   │   ├── base_data_layer.hpp
│   │   │   ├── batch_norm_layer.hpp
│   │   │   ├── batch_reindex_layer.hpp
│   │   │   ├── bias_layer.hpp
│   │   │   ├── bnll_layer.hpp
│   │   │   ├── concat_layer.hpp
│   │   │   ├── contrastive_loss_layer.hpp
│   │   │   ├── conv_layer.hpp
│   │   │   ├── crop_layer.hpp
│   │   │   ├── cudnn_conv_layer.hpp
│   │   │   ├── cudnn_lcn_layer.hpp
│   │   │   ├── cudnn_lrn_layer.hpp
│   │   │   ├── cudnn_pooling_layer.hpp
│   │   │   ├── cudnn_relu_layer.hpp
│   │   │   ├── cudnn_sigmoid_layer.hpp
│   │   │   ├── cudnn_softmax_layer.hpp
│   │   │   ├── cudnn_tanh_layer.hpp
│   │   │   ├── data_layer.hpp
│   │   │   ├── deconv_layer.hpp
│   │   │   ├── detection_evaluate_layer.hpp
│   │   │   ├── detection_output_layer.hpp
│   │   │   ├── dropout_layer.hpp
│   │   │   ├── dummy_data_layer.hpp
│   │   │   ├── eltwise_layer.hpp
│   │   │   ├── elu_layer.hpp
│   │   │   ├── embed_layer.hpp
│   │   │   ├── euclidean_loss_layer.hpp
│   │   │   ├── exp_layer.hpp
│   │   │   ├── filter_layer.hpp
│   │   │   ├── flatten_layer.hpp
│   │   │   ├── hdf5_data_layer.hpp
│   │   │   ├── hdf5_output_layer.hpp
│   │   │   ├── hinge_loss_layer.hpp
│   │   │   ├── im2col_layer.hpp
│   │   │   ├── image_data_layer.hpp
│   │   │   ├── infogain_loss_layer.hpp
│   │   │   ├── inner_product_layer.hpp
│   │   │   ├── input_layer.hpp
│   │   │   ├── log_layer.hpp
│   │   │   ├── loss_layer.hpp
│   │   │   ├── lrn_layer.hpp
│   │   │   ├── lstm_layer.hpp
│   │   │   ├── memory_data_layer.hpp
│   │   │   ├── multibox_loss_layer.hpp
│   │   │   ├── multinomial_logistic_loss_layer.hpp
│   │   │   ├── mvn_layer.hpp
│   │   │   ├── neuron_layer.hpp
│   │   │   ├── normalize_layer.hpp
│   │   │   ├── parameter_layer.hpp
│   │   │   ├── permute_layer.hpp
│   │   │   ├── pooling_layer.hpp
│   │   │   ├── power_layer.hpp
│   │   │   ├── prelu_layer.hpp
│   │   │   ├── prior_box_layer.hpp
│   │   │   ├── python_layer.hpp
│   │   │   ├── recurrent_layer.hpp
│   │   │   ├── reduction_layer.hpp
│   │   │   ├── relu_layer.hpp
│   │   │   ├── reshape_layer.hpp
│   │   │   ├── rnn_layer.hpp
│   │   │   ├── scale_layer.hpp
│   │   │   ├── sigmoid_cross_entropy_loss_layer.hpp
│   │   │   ├── sigmoid_layer.hpp
│   │   │   ├── silence_layer.hpp
│   │   │   ├── slice_layer.hpp
│   │   │   ├── smooth_L1_loss_layer.hpp
│   │   │   ├── softmax_layer.hpp
│   │   │   ├── softmax_loss_layer.hpp
│   │   │   ├── split_layer.hpp
│   │   │   ├── spp_layer.hpp
│   │   │   ├── tanh_layer.hpp
│   │   │   ├── threshold_layer.hpp
│   │   │   ├── tile_layer.hpp
│   │   │   ├── video_data_layer.hpp
│   │   │   └── window_data_layer.hpp
│   │   ├── net.hpp
│   │   ├── parallel.hpp
│   │   ├── proto
│   │   │   └── caffe.pb.h
│   │   ├── sgd_solvers.hpp
│   │   ├── solver_factory.hpp
│   │   ├── solver.hpp
│   │   ├── syncedmem.hpp
│   │   ├── test
│   │   │   ├── test_caffe_main.hpp
│   │   │   └── test_gradient_check_util.hpp
│   │   └── util
│   │   ├── bbox_util.hpp
│   │   ├── benchmark.hpp
│   │   ├── blocking_queue.hpp
│   │   ├── cudnn.hpp
│   │   ├── db.hpp
│   │   ├── db_leveldb.hpp
│   │   ├── db_lmdb.hpp
│   │   ├── device_alternate.hpp
│   │   ├── format.hpp
│   │   ├── gpu_util.cuh
│   │   ├── hdf5.hpp
│   │   ├── im2col.hpp
│   │   ├── im_transforms.hpp
│   │   ├── insert_splits.hpp
│   │   ├── io.hpp
│   │   ├── math_functions.hpp
│   │   ├── mkl_alternate.hpp
│   │   ├── rng.hpp
│   │   ├── sampler.hpp
│   │   ├── signal_handler.h
│   │   └── upgrade_proto.hpp
│   └── src
│   ├── caffe
│   │   ├── blob.cpp
│   │   ├── CMakeLists.txt
│   │   ├── common.cpp
│   │   ├── data_reader.cpp
│   │   ├── data_transformer.cpp
│   │   ├── internal_thread.cpp
│   │   ├── layer.cpp
│   │   ├── layer_factory.cpp
│   │   ├── layers
│   │   │   ├── absval_layer.cpp
│   │   │   ├── absval_layer.cu
│   │   │   ├── accuracy_layer.cpp
│   │   │   ├── annotated_data_layer.cpp
│   │   │   ├── argmax_layer.cpp
│   │   │   ├── base_conv_layer.cpp
│   │   │   ├── base_data_layer.cpp
│   │   │   ├── base_data_layer.cu
│   │   │   ├── batch_norm_layer.cpp
│   │   │   ├── batch_norm_layer.cu
│   │   │   ├── batch_reindex_layer.cpp
│   │   │   ├── batch_reindex_layer.cu
│   │   │   ├── bias_layer.cpp
│   │   │   ├── bias_layer.cu
│   │   │   ├── bnll_layer.cpp
│   │   │   ├── bnll_layer.cu
│   │   │   ├── concat_layer.cpp
│   │   │   ├── concat_layer.cu
│   │   │   ├── contrastive_loss_layer.cpp
│   │   │   ├── contrastive_loss_layer.cu
│   │   │   ├── conv_layer.cpp
│   │   │   ├── conv_layer.cu
│   │   │   ├── crop_layer.cpp
│   │   │   ├── crop_layer.cu
│   │   │   ├── cudnn_conv_layer.cpp
│   │   │   ├── cudnn_conv_layer.cu
│   │   │   ├── cudnn_lcn_layer.cpp
│   │   │   ├── cudnn_lcn_layer.cu
│   │   │   ├── cudnn_lrn_layer.cpp
│   │   │   ├── cudnn_lrn_layer.cu
│   │   │   ├── cudnn_pooling_layer.cpp
│   │   │   ├── cudnn_pooling_layer.cu
│   │   │   ├── cudnn_relu_layer.cpp
│   │   │   ├── cudnn_relu_layer.cu
│   │   │   ├── cudnn_sigmoid_layer.cpp
│   │   │   ├── cudnn_sigmoid_layer.cu
│   │   │   ├── cudnn_softmax_layer.cpp
│   │   │   ├── cudnn_softmax_layer.cu
│   │   │   ├── cudnn_tanh_layer.cpp
│   │   │   ├── cudnn_tanh_layer.cu
│   │   │   ├── data_layer.cpp
│   │   │   ├── deconv_layer.cpp
│   │   │   ├── deconv_layer.cu
│   │   │   ├── detection_evaluate_layer.cpp
│   │   │   ├── detection_output_layer.cpp
│   │   │   ├── detection_output_layer.cu
│   │   │   ├── dropout_layer.cpp
│   │   │   ├── dropout_layer.cu
│   │   │   ├── dummy_data_layer.cpp
│   │   │   ├── eltwise_layer.cpp
│   │   │   ├── eltwise_layer.cu
│   │   │   ├── elu_layer.cpp
│   │   │   ├── elu_layer.cu
│   │   │   ├── embed_layer.cpp
│   │   │   ├── embed_layer.cu
│   │   │   ├── euclidean_loss_layer.cpp
│   │   │   ├── euclidean_loss_layer.cu
│   │   │   ├── exp_layer.cpp
│   │   │   ├── exp_layer.cu
│   │   │   ├── filter_layer.cpp
│   │   │   ├── filter_layer.cu
│   │   │   ├── flatten_layer.cpp
│   │   │   ├── hdf5_data_layer.cpp
│   │   │   ├── hdf5_data_layer.cu
│   │   │   ├── hdf5_output_layer.cpp
│   │   │   ├── hdf5_output_layer.cu
│   │   │   ├── hinge_loss_layer.cpp
│   │   │   ├── im2col_layer.cpp
│   │   │   ├── im2col_layer.cu
│   │   │   ├── image_data_layer.cpp
│   │   │   ├── infogain_loss_layer.cpp
│   │   │   ├── inner_product_layer.cpp
│   │   │   ├── inner_product_layer.cu
│   │   │   ├── input_layer.cpp
│   │   │   ├── log_layer.cpp
│   │   │   ├── log_layer.cu
│   │   │   ├── loss_layer.cpp
│   │   │   ├── lrn_layer.cpp
│   │   │   ├── lrn_layer.cu
│   │   │   ├── lstm_layer.cpp
│   │   │   ├── lstm_unit_layer.cpp
│   │   │   ├── lstm_unit_layer.cu
│   │   │   ├── memory_data_layer.cpp
│   │   │   ├── multibox_loss_layer.cpp
│   │   │   ├── multinomial_logistic_loss_layer.cpp
│   │   │   ├── mvn_layer.cpp
│   │   │   ├── mvn_layer.cu
│   │   │   ├── neuron_layer.cpp
│   │   │   ├── normalize_layer.cpp
│   │   │   ├── normalize_layer.cu
│   │   │   ├── parameter_layer.cpp
│   │   │   ├── permute_layer.cpp
│   │   │   ├── permute_layer.cu
│   │   │   ├── pooling_layer.cpp
│   │   │   ├── pooling_layer.cu
│   │   │   ├── power_layer.cpp
│   │   │   ├── power_layer.cu
│   │   │   ├── prelu_layer.cpp
│   │   │   ├── prelu_layer.cu
│   │   │   ├── prior_box_layer.cpp
│   │   │   ├── recurrent_layer.cpp
│   │   │   ├── recurrent_layer.cu
│   │   │   ├── reduction_layer.cpp
│   │   │   ├── reduction_layer.cu
│   │   │   ├── relu_layer.cpp
│   │   │   ├── relu_layer.cu
│   │   │   ├── reshape_layer.cpp
│   │   │   ├── rnn_layer.cpp
│   │   │   ├── scale_layer.cpp
│   │   │   ├── scale_layer.cu
│   │   │   ├── sigmoid_cross_entropy_loss_layer.cpp
│   │   │   ├── sigmoid_cross_entropy_loss_layer.cu
│   │   │   ├── sigmoid_layer.cpp
│   │   │   ├── sigmoid_layer.cu
│   │   │   ├── silence_layer.cpp
│   │   │   ├── silence_layer.cu
│   │   │   ├── slice_layer.cpp
│   │   │   ├── slice_layer.cu
│   │   │   ├── smooth_L1_loss_layer.cpp
│   │   │   ├── smooth_L1_loss_layer.cu
│   │   │   ├── softmax_layer.cpp
│   │   │   ├── softmax_layer.cu
│   │   │   ├── softmax_loss_layer.cpp
│   │   │   ├── softmax_loss_layer.cu
│   │   │   ├── split_layer.cpp
│   │   │   ├── split_layer.cu
│   │   │   ├── spp_layer.cpp
│   │   │   ├── tanh_layer.cpp
│   │   │   ├── tanh_layer.cu
│   │   │   ├── threshold_layer.cpp
│   │   │   ├── threshold_layer.cu
│   │   │   ├── tile_layer.cpp
│   │   │   ├── tile_layer.cu
│   │   │   ├── video_data_layer.cpp
│   │   │   └── window_data_layer.cpp
│   │   ├── net.cpp
│   │   ├── parallel.cpp
│   │   ├── proto
│   │   │   ├── caffe.pb.cc
│   │   │   ├── caffe.pb.h
│   │   │   └── caffe.proto
│   │   ├── solver.cpp
│   │   ├── solvers
│   │   │   ├── adadelta_solver.cpp
│   │   │   ├── adadelta_solver.cu
│   │   │   ├── adagrad_solver.cpp
│   │   │   ├── adagrad_solver.cu
│   │   │   ├── adam_solver.cpp
│   │   │   ├── adam_solver.cu
│   │   │   ├── nesterov_solver.cpp
│   │   │   ├── nesterov_solver.cu
│   │   │   ├── rmsprop_solver.cpp
│   │   │   ├── rmsprop_solver.cu
│   │   │   ├── sgd_solver.cpp
│   │   │   └── sgd_solver.cu
│   │   ├── syncedmem.cpp
│   │   ├── test
│   │   │   ├── CMakeLists.txt
│   │   │   ├── test_accuracy_layer.cpp
│   │   │   ├── test_annotated_data_layer.cpp
│   │   │   ├── test_argmax_layer.cpp
│   │   │   ├── test_batch_norm_layer.cpp
│   │   │   ├── test_batch_reindex_layer.cpp
│   │   │   ├── test_bbox_util.cpp
│   │   │   ├── test_benchmark.cpp
│   │   │   ├── test_bias_layer.cpp
│   │   │   ├── test_blob.cpp
│   │   │   ├── test_caffe_main.cpp
│   │   │   ├── test_common.cpp
│   │   │   ├── test_concat_layer.cpp
│   │   │   ├── test_contrastive_loss_layer.cpp
│   │   │   ├── test_convolution_layer.cpp
│   │   │   ├── test_crop_layer.cpp
│   │   │   ├── test_data
│   │   │   │   ├── generate_sample_data.py
│   │   │   │   ├── sample_data_2_gzip.h5
│   │   │   │   ├── sample_data.h5
│   │   │   │   ├── sample_data_list.txt
│   │   │   │   ├── solver_data.h5
│   │   │   │   └── solver_data_list.txt
│   │   │   ├── test_data_layer.cpp
│   │   │   ├── test_data_transformer.cpp
│   │   │   ├── test_db.cpp
│   │   │   ├── test_deconvolution_layer.cpp
│   │   │   ├── test_detection_evaluate_layer.cpp
│   │   │   ├── test_detection_output_layer.cpp
│   │   │   ├── test_dummy_data_layer.cpp
│   │   │   ├── test_eltwise_layer.cpp
│   │   │   ├── test_embed_layer.cpp
│   │   │   ├── test_euclidean_loss_layer.cpp
│   │   │   ├── test_filler.cpp
│   │   │   ├── test_filter_layer.cpp
│   │   │   ├── test_flatten_layer.cpp
│   │   │   ├── test_gradient_based_solver.cpp
│   │   │   ├── test_hdf5data_layer.cpp
│   │   │   ├── test_hdf5_output_layer.cpp
│   │   │   ├── test_hinge_loss_layer.cpp
│   │   │   ├── test_im2col_kernel.cu
│   │   │   ├── test_im2col_layer.cpp
│   │   │   ├── test_image_data_layer.cpp
│   │   │   ├── test_im_transforms.cpp
│   │   │   ├── test_infogain_loss_layer.cpp
│   │   │   ├── test_inner_product_layer.cpp
│   │   │   ├── test_internal_thread.cpp
│   │   │   ├── test_io.cpp
│   │   │   ├── test_layer_factory.cpp
│   │   │   ├── test_lrn_layer.cpp
│   │   │   ├── test_lstm_layer.cpp
│   │   │   ├── test_math_functions.cpp
│   │   │   ├── test_maxpool_dropout_layers.cpp
│   │   │   ├── test_memory_data_layer.cpp
│   │   │   ├── test_multibox_loss_layer.cpp
│   │   │   ├── test_multinomial_logistic_loss_layer.cpp
│   │   │   ├── test_mvn_layer.cpp
│   │   │   ├── test_net.cpp
│   │   │   ├── test_neuron_layer.cpp
│   │   │   ├── test_normalize_layer.cpp
│   │   │   ├── test_permute_layer.cpp
│   │   │   ├── test_platform.cpp
│   │   │   ├── test_pooling_layer.cpp
│   │   │   ├── test_power_layer.cpp
│   │   │   ├── test_prior_box_layer.cpp
│   │   │   ├── test_protobuf.cpp
│   │   │   ├── test_random_number_generator.cpp
│   │   │   ├── test_reduction_layer.cpp
│   │   │   ├── test_reshape_layer.cpp
│   │   │   ├── test_rnn_layer.cpp
│   │   │   ├── test_scale_layer.cpp
│   │   │   ├── test_sigmoid_cross_entropy_loss_layer.cpp
│   │   │   ├── test_slice_layer.cpp
│   │   │   ├── test_smooth_L1_loss_layer.cpp
│   │   │   ├── test_softmax_layer.cpp
│   │   │   ├── test_softmax_with_loss_layer.cpp
│   │   │   ├── test_solver.cpp
│   │   │   ├── test_solver_factory.cpp
│   │   │   ├── test_split_layer.cpp
│   │   │   ├── test_spp_layer.cpp
│   │   │   ├── test_stochastic_pooling.cpp
│   │   │   ├── test_syncedmem.cpp
│   │   │   ├── test_tanh_layer.cpp
│   │   │   ├── test_threshold_layer.cpp
│   │   │   ├── test_tile_layer.cpp
│   │   │   ├── test_upgrade_proto.cpp
│   │   │   └── test_util_blas.cpp
│   │   └── util
│   │   ├── bbox_util.cpp
│   │   ├── bbox_util.cu
│   │   ├── benchmark.cpp
│   │   ├── blocking_queue.cpp
│   │   ├── cudnn.cpp
│   │   ├── db.cpp
│   │   ├── db_leveldb.cpp
│   │   ├── db_lmdb.cpp
│   │   ├── hdf5.cpp
│   │   ├── im2col.cpp
│   │   ├── im2col.cu
│   │   ├── im_transforms.cpp
│   │   ├── insert_splits.cpp
│   │   ├── io.cpp
│   │   ├── math_functions.cpp
│   │   ├── math_functions.cu
│   │   ├── sampler.cpp
│   │   ├── signal_handler.cpp
│   │   └── upgrade_proto.cpp
│   └── gtest
│   ├── CMakeLists.txt
│   ├── gtest-all.cpp
│   ├── gtest.h
│   └── gtest_main.cc
├── SSDDetector.cpp
└── SSDDetector.h

17 directories, 400 files

标签:

实例下载地址

SSD源码的QT工程

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警