目标检测

论文：Scale-Aware Trident Networks for Object Detection Github：https://github.com/TuSimple/simpledet/tree/master/models/tridentnet   图森的工作 论文提出了TridentNet ，基于ResNet-101 的基础骨架网络在coco数据…

You Only Look Once: Unified, Real-Time Object Detection arxiv: http://arxiv.org/abs/1506.02640 github: https://github.com/pjreddie/darknet blog: https://pjreddie.com/publications/y…

以行人检测为例，精度就是检测出来的行人中确实是行人的所占的百分比；Recall就是正确检出的行人数量占行人总数的百分比，Recall=100%表示没有漏检；这两个常常是一对矛盾，通常我们总是希望既没有虚景也不会发生漏检的情况，也就是Precision和Recall均为100%的状况

作者：蒋天园 来源：公众号@3D视觉工坊 链接：汇总|基于激光雷达的3D目标检测开源项目&数据集 前言 这一片文章主要介绍目前3D目标检测的一些比较重要的数据集合在github上比较好用的3D目标检测项目。包含了最火最热的KITTI到当前研究前沿的多模态，时序融合等的新数据集。分类方法如下，首先按照场景可以将数据集划分为室内和室外数据集。然后分别介绍…

转载博客：http://blog.csdn.net/zy1034092330/article/details/48850437 1、Haar-like特征Haar特征最先由Paul Viola等人提出，后经过Rainer Lienhart等扩展引入45°倾斜特征。Haar特征分为三类：边缘特征、线性特征、中心特征和对角线特征，组合成特征模板。OpenCV（2…

点击我爱计算机视觉标星，更快获取CVML新技术 目标检测是计算机视觉领域研究最火热的方向，这从计算机视觉顶会CVPR相关论文数量就能看得出来。 目标检测应用范围广泛，上至卫星遥感，下至自动驾驶，大到鲸鱼保护，小到生物细胞分析，都有其用武之地。 我们在论文中常见的MS COCO数据集，多以生活类自然场景中的目标为主，如下图： 做一个通用的目标检测器，当然很有意…

YOLO系列是目标检测领域里十分经典的结构，虽然目前已经出了很多更高质量更复杂的网络，但YOLO的结构依然可以给算法工程师们带来很多的启发。这3篇论文看下来，感觉像是一本调参说明书，教你如何使用各种trick提高手上的目标检测网络的准确率 来源：晓飞的算法工程笔记 公众号 YOLOv1 论文: You Only Look Once:Unified, Real…

一、R-CNN的原理 　　R-CNN的全称是Region-CNN，它可以说是第一个将深度学习应用到目标检测上的算法。后面将要学习的Fast R-CNN、Faster R-CNN全部都是建立在R-CNN基础上的。 　　传统的目标检测方法大多以图像识别为基础。一般可以在图片上使用穷举法选出所有物体可能出现的区域框，对这些区域框提取特征并使用图像识别方法分类，得到…

点击上方，选择星标或置顶，不定期资源大放送！ 阅读大概需要15分钟 Follow小博主，每天更新前沿干货 来源：机器之心  |   作者：马晓龙 如何助力深度神经网络在移动端「看得」更清，「跑得」更快？来自美国东北大学等机构的研究者提出一种新型全自动模式化稀疏度感知训练框架。 基于模式化稀疏度的剪枝方法能够使深度神经网络在图像识别任务中「看得」更清楚，同时减…

论文地址：https://arxiv.org/pdf/1904.02701.pdf 摘要 相比于模型框架，模型的训练过程对于检测器是否成功也同样重要。在本文工作中，我们重新研究了标准的训练过程，发现检测的性能经常受限于模型训练过程中的不平衡。这种不平衡包括以下3个层面：采样层面、特征层面和目标层面。为了缓和着中国不平嗯带来的不利影响，我们提出了一种简单有效的…