本项目是在 xView 2018 挑战赛中训练 YOLOv3 模型的代码。本项目是为2018年卫星图像检测挑战赛而实现的代码，这次挑战赛是由国防部创新组实验室（DIUx）和国家地理空间情报局（NGA）发布新的卫星图像数据集，以推进计算机视觉的关键领域并为国家安全和灾害响应开发新的解决方案。
原始仓库地址：https://github.com/ultralytics/xview-yolov3.git
本项目是基于 PyTorch 实现的 YOLOv3 模型。在基本的图像特征提取方面，YOLO3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路（shortcut connections）。YOLO2曾采用passthrough结构来检测细粒度特征，在YOLO3更进一步采用了3个不同尺度的特征图来进行对象检测。
原始仓库地址：https://github.com/ultralytics/yolov3.git
本项目是基于 PyTorch 实现的图像识别 non-local 模型。convolution和recurrent都是对局部区域进行的操作，所以它们是典型的local operations。本项目使用一种non-local operations用于捕获长距离依赖，即如何建立图像上两个有一定距离的像素之间的联系。non-local operations在计算某个位置的响应时，是考虑所有位置features的加权——所有位置可以是空间的，时间的，时空的。这个结构可以被插入到很多计算机视觉结构中，在视频分类的任务上，non-local模型在Kinetics和Charades上都达到了最好的结果。
原始仓库地址：https://github.com/alexhex7/non-local_pytorch.git
本项目是基于TensorFlow实现的STGAN模型。STGAN可以根据需要改变人脸的指定属性，利用单个模型完成多种属性的编辑。主要优势在于：1. 采用差值属性标签（目标属性标签减去源属性标签），相比于其他工作的目标属性标签，可以显式表示属性的修改方式及程度，无须提供所有属性的标签；2. 通过选择性转换机制，配合差值属性标签，保留输入图像中与待修改属性无关的特征，同时对待修改属性相关特征进行修改，有效提升图像质量。
原始仓库地址：https://github.com/csmliu/stgan.git
本项目是基于 TensorFlow 2.x 实现的 CycleGAN 模型。CycleGAN本质上是两个镜像对称的GAN，构成了一个环形网络。两个GAN共享两个生成器，并各自带一个判别器，即共有两个判别器和两个生成器。一个单向GAN有两个loss，共四个loss。开发者可以根据本项目实现自己的模型。
原始仓库地址：https://github.com/lynnho/cyclegan-tensorflow-2.git
本项目是基于 PyTorch 实现的多种生成式对抗网络。GAN 模型以其强大的学习能力在计算机视觉等多种领域取得了巨大的成功，本项目实现了包括 DCGAN, LSGAN, WGAN-GP 以及 DRAGAN 在内的多种 GAN 模型，同时提供有详细的使用教程，以及数据集，方便开发者使用。
原始仓库地址：https://github.com/lynnho/dcgan-lsgan-wgan-gp-dragan-pytorch.git
本项目是基于 TensorFlow 2.x 实现的多种生成式对抗网络。GAN 模型以其强大的学习能力在计算机视觉等多种领域取得了巨大的成功，本项目实现了包括 DCGAN, LSGAN, WGAN-GP 以及 DRAGAN在内的多种 GAN 模型。同时提供有基于 TensorFlow 1.x 的实现方案，方便开发者根据需要选择适合的版本。
原始仓库地址：https://github.com/lynnho/dcgan-lsgan-wgan-gp-dragan-tensorflow-2.git
本项目是基于 TensorFlow 实现的 AttGAN 模型。AttGAN 可以根据需要，只改变指定的人脸的面部特征，例如发色、眼镜、皱纹等。本项目的主要优点有：1.通过将latent representation与属性结合（将目标属性和encode输出结合），这样将属性和latent representation分开可以使迁移后的属性更加准确；2.采用了属性分类误差，重构误差，对抗学习误差；3.多领域的转换只需要一个网络模型。
原始仓库地址：https://github.com/lynnho/attgan-tensorflow.git
本项目是基于 TensorFlow 实现的 pix2pix 模型。本项目专门针对 video 场景中的 frame 进行处理，生成对应的连贯 video，尤其可用于对经典电影的帧进行着色和增加视野。开发者可以根据本项目进行自己的定制和修改，以适应自己的项目。
原始仓库地址：https://github.com/awjuliani/pix2pix-film.git
本项目是用于图像检测和分割的模型。尽管检测和分割被分成两个任务，但是这些差异都是人为设定的。因此，这里应该存在一种任务——Simultaneous Detection and Segmentation。本项目使用MCG（Multiscale Combinatorial Grouping）来做分割的candidate region，然后把region以及由它组合成bounding boxes来同时优化two-path 的网络。
原始仓库地址：https://github.com/bharath272/sds_eccv2014.git
项目类型
