目标检测

一、代码来源：https://github.com/balancap/SSD-Tensorflow二、使用工具：Ubuntu14.04、Python3.5、jupyter、pip3安装Python3.5：sudo apt-get install python3安装pip3:sudo apt-get install python3-pip安装jupyter：p…

目标检测总结：RCNN系列（2） RPN 上一篇介绍了RCNN和Fast RCNN，本文介绍RCNN系列的终极版本，FasterRCNN。Faster RCNN虽然是2015年的论文，但它至今认识许多目标检测算法的基础。FasterRCNN可以看做是RPN（region proposal network） + fast RCNN的系统，用RPN代替了之前的s…

学习 Yolo v3 之前需要学习 v1，v2 Yolo v3 较 v1、v2 并没有太多的创新，主要是融合了其他的 trick，不过效果还可以； 主要改进有 3 点： 1. 主网络为 Darknet-53，借鉴了 resnet 2. 多尺度特征，大大提高了小物体的识别 3. softmax 多分类改为 多个二分类   Darknet-53 Darknet-…

目标检测：2014~2019方法汇总各网络的源码：https://github.com/hoya012/deep_learning_object_detection 二维目标检测的优化方向 二维目标检测实现和优化方向包括backbone、IoU、损失函数、NMS、anchor、one shot learning/zero shot learning等。 基于…

作者 | 南开大学 程明明、依图科技 颜水成 译者 | 刘畅  责编 | Carol 本文介绍ECCV 2020 录用论文：Highly Efficient Salient Object Detection with 100K Parameters ，代码已开源。 显著性目标检测模型通常需要花费大量的计算成本才能对每个像素进行精确的预测，因此这使得其几乎不适…

目录 类别损失 1. 交叉熵损失 Cross Entropy Loss 2. Focal Loss 改进的交叉熵损失函数 位置损失 1. L1 Loss 平均绝对误差（Mean Absolute Error, MAE） 2. L2 Loss  均方误差损失（Mean Square Error, MSE） 3. Smooth L1 Loss 4. IoU Lo…

对于目标检测算法Postprocess部分，最早用的是NMS，后面出现了Soft NMS和Softer NMS，本文将分别解释它们的动机和原理，希望能对大家有所帮助。Tensorflow, pytorch等主流框架中均有NMS的实现。 1 NMS NMS，它的全称为“non-maximum supression”。为什么要使用nms呢？因为在目标检测任务中，…

此代码只是简单的实现了框选物的检测追踪。基本逻辑是基于相关性的模板匹配。如果有人脸识别库的话，可以进行人脸识别。以后会完善代码实现实时的目标追踪。 1 *此文件夹含有多张相似的实拍图，用于检测算法的模板追踪 2 list_files (\’C:/Users/zx80-165/Desktop/模板追踪图\’, \’files\’, ImageFiles) 3 …

Darknet——一个源码为C的神经网络框架   今天路同学介绍一个相对小众的深度学习框架——Darknet。 与流行的Tensorflow以及Caffe框架相比，Darknet框架在某些方面有着自己独特的优势。 关于Darknet深度学习框架 Darknet深度学习框架是由Joseph Redmon提出的一个用C和CUDA编写的开源神经网络框架。它安装速度…

Enhancement of SSD by concatenating feature maps for object detection BMVC 2017 本文是对SSD 的改进，通过牺牲一点速度来提高精度，主要解决SSD 两个问题：1）同一目标多次检测，2）小目标检测率不高 改进的地方： 1）将不同尺度的 特征图 融合起来； 2）增加 feature …