目标检测

一、研究意义         卷积神经网络（CNN）由于其强大的特征提取能力，近年来被广泛用于计算机视觉领域。1998年Yann LeCun等提出的LeNet-5网络结构，该结构使得卷积神经网络可以端到端的训练，并应用于文档识别。LeNet-5结构是CNN最经典的网络结构，而后发展的卷积神经网络结构都是由此版本衍生而来。         在过去六年中，由于深…

知识点回顾 什么是点云，如何获得点云。 点云包含了很多信息，除了3维坐标数据之外，还可能包括颜色、分类值、强度值、时间等。 点云数据可以由多种方法获得：1.直接由Lidar激光扫描出点云数据。 2.不同角度的2D图像组合成点云 3.由深度图（Depth Map）生成点云，即将图像坐标+深度信息从图像坐标系转换为世界坐标系。 点云和深度图都会出现深度信息的缺失…

点击我爱计算机视觉标星，更快获取CVML新技术 目标检测的任务是“分类”并从图像中“定位”出物体，但长久以来，该领域的工作大多是这样：生成可能包含目标的区域，然后在该区域提取特征并分类。 显然，人眼并不是这样工作的。 人眼可以直接定位出物体，也就是对人眼来说发现目标的过程，定位和分类是一体的。 现代深度学习的方法，代表性的包括二阶段的Faster R-CNN…

首先贴上代码原作者的github:https://github.com/chenyuntc/simple-faster-rcnn-pytorch（非代码作者，博文只解释代码） 今天看完了simple-faster-rcnn-pytorch-master代码的最后一个train.py文件，是时候认真的总结一下了，我打算一共总结四篇博客用来详细的分析Faster…

计算机视觉—–目标检测综述 计算机视觉—–目标检测综述 传统的目标检测流水线 卷积神经网络（CNN）应用于目标检测 两阶段方法 Two-Stage Detectors R-CNN SPPNet Fast R-CNN Faster R-CNN Feature Pyramid Network Cascade R-CNN 单阶段方法 One-Stage…

评价标准 目标检测和图像分割的评价标准是一样的，核心都是使用IOU标准 IOU(Intersection-Over-Union) OU即Intersection-Over-Union，IoU相当于两个区域重叠的部分除以两个区域的集合部分得出的结果目标检测图像分割 Pixel Accuracy&Pixel Precision 上面所述的IoU只是用于评…

0 引言 　　兜兜转转还是搞起了深度学习，图像处理。近来做了很多数据标注的工作，就像曾经面试的时候一个负责人说的那样，数据常常决定了学习结果的优劣，模型改进优化啥的，我们做工程的用的少。因此，标注了很多数据之后，有一些心得和感悟，还有一些小技巧和实验失败的地方，记录一下，希望以后不要再犯，因为我记忆力太差太差了。同时，希望与大家共勉。   1 数据采集部分 …

点击我爱计算机视觉标星，更快获取CVML新技术 现在的实时目标检测算法，比如YOLO、SSD在GPU上已经可以跑的很快了，比如YOLOv2可以在GPU上跑到224fps，但在便携式笔记本甚至手机终端，这些算法还不能达到实时。 来自Georgia Institute of Technology、The Cooper Union、UNC Wilmington的研…

泡泡三分钟，带你精读机器人顶级会议文章 标题：CarFusion: Combining Point Tracking and Part Detection for Dynamic 3D Reconstruction of Vehicles 作者：YDinesh Reddy,Minh Vo,Srinivasa G. Narasimhan 来源：CVPR2018…

本文分享的目标检测论文将同步推送到 github上，欢迎大家 star/fork：https://github.com/murufeng/awesome-papers/tree/master/Object-detection 目标检测论文 【1】Object Detection in 20 Years: A Survey 时间：2019年5月作者：密歇根大学…