显著性物体检测第47页

基于线条特征的机场检测算法——LSD直线检测算法、平行线组提取和聚类

遥感图像的机场检测是图像处理在军事以及航空领域一个重要的应用，现有一些机场提取方法利用显著性特征获取机场区域的方法容易使得机场提取不够完整，而且会混入过多的虚警区域，原因在于图像的显著性特征并能用来表示机场区域和背景区域的差异

有点小意思·2020-08-16 03:37

DensePose: Dense Human Pose Estimation In The Wild（理解）

weixin_33963189·2020-08-16 02:06

方差分析的数学原理与matlab实现

实现方差分析方差分析的概念为什么要使用方差分析方差分析的数学表达交互性水平方差分析matlab代码示例方差分析的概念方差分析（AnalysisofVariance，ANOVA），又称“变异数分析”，1920年由波兰数学家R.A.Fisher发明，通常用于两个以上的样本参数差别的显著性检验

anndasu·2020-08-16 00:07

关于深度图像压缩方法中的位可变问题的探讨

之前的深度学习图像压缩模型对于整个图像区域的内容都是位不变的分配方式，即对整个图像内容同等对待，都分配同样的比特位，但是[1]提出了重要性图(importancemap)的模块用于指导内容的位可变分配，简单来说就是实现内容的自适应；除此之外，还有另一种由显著性图

凤舞九天cw·2020-08-16 00:33

用PyTorch来做物体检测和追踪(复现:pytorch_objectdetecttrack-master)

用PyTorch来做物体检测和追踪原文:https://towardsdatascience.com/object-detection-and-tracking-in-pytorch-b3cf1a696a98

进击的学徒·2020-08-15 23:22

RKNN_SSD Demo的学习笔记

该demo是在Toybrick社区下载的,开发环境是RK3399ProLinux,实现了简单的物体检测!

sunyFS·2020-08-15 19:35

Storj：A Peer-to-Peer Cloud Storage Network(点对点云存储网络)

没有中间控制机构，能够消除大多数传统的数据故障和中断，并且显著性地提高了安全性、隐私性和数据控制。点对点网络和基础加密能够对大多数问题

yooliee·2020-08-15 17:06

四种简单的图像显著性区域特征提取方法-----AC/HC/LC/FT。

四种简单的图像显著性区域特征提取方法----->AC/HC/LC/FT。

shiter·2020-08-15 16:58

论文阅读分享1. YOLO you only look once

YOLOv1:YouOnlyLookOnce:Unified,Real-TimeObjectDetection（你只看一次：统一的，实时的物体检测）文章地址：https://arxiv.org/abs/

chenkz123·2020-08-15 13:01

yolov3算法检测单类物体

/z649431508/article/details/82191036yolov3是目前目标检测类检测效果和检测速度最好的算法，原版的yolov3检测的物体种类众多，本文实在原有yolov3上将多累物体检测简化为单类物体检测

qq_wuqingdefeng·2020-08-15 09:19

深度学习笔记----单阶段检测模型YOLO

单阶段检测模型相对于以RCNN，FastR-CNN和FasterR-CNN为代表的基于regionproposal的两阶段检测模型，单阶段的物体检测用一个end-to-end的全卷积神经网络完成从原始图像的输入到

weixin_41065383·2020-08-15 09:02

利用YOLOv3实现第一个视频物体检测小程序

YOLO:Real-TimeObjectDetectionhttps://pjreddie.com/darknet/yolo/本文测试了yolov3demo，实现对视频的物体检测。

coding-piggy·2020-08-15 07:58

CV-京东图像处理与计算机视觉实战培养计划

“拍照购”覆盖庞大正品商品库，收录超数亿正品商品，支持多商品主体检测，可同时识别图像中多个商品，并能够根据不同商品主体的显著性，优先推荐显著商品主体对应的购买链接。这正是运用了AI中的计算机

京东智联云技术新知·2020-08-15 07:43

数据集超越MS COCO，2020智源x旷视Objects365物体检测挑战赛开赛

2020智源x旷视Objects365物体检测挑战赛正式启动上线。

BAAIBeijing·2020-08-15 05:23

第2章-回归模型(3)-模型筛选

假设用了显著性的检验，以及诊断检验方法后，还有24种模型，那我们要如何选择呢？回归模型对于特征变量的选取有下面四种形式：变量与实际情况基本吻合缺失了几个相关的重要变量(不用关心缺失不重要

维刚·2020-08-14 22:17

理解人脸图像特征提取的各种方法(包括HoG、Dlib和卷积神经网络特征)

文章目录1、HoG2、Dlib3、卷积神经网络4、参考文献1、HoG①HOG特征：方向梯度直方图（HistogramofOrientedGradient,HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子

p唯唯唯eng·2020-08-14 21:26

Tensorflow objection detection api 物体检测模型（三）从识别的物体中抠出特定物体进行保存

在利用官方提供的Tensorflowobjectiondetectionapi进行物体检测时，会有很多物体被检测出来并且被框柱，而我的目标是只需要一个类别的物体，那么如何将这个特定的物体抠出来保存呢？

perfect_young·2020-08-14 17:02

（pycharm）tensorflow object detection API 物体检测模型（二） labelImg的安装配置过程

上一篇博客介绍了Google的tensorflowobjectdetectionAPI的配置和使用，这次介绍一下如何用这个API训练自己的数据，制作特定的目标检测模型。第一步：制作数据集下载数据集制作软件（12.7M）：labelImg链接：https://pan.baidu.com/s/1a3GqPXqrkvl07PrDMEqlaA提取码：jdpa这是一个绿色软件，下载都任意文件夹解压后，可以看

perfect_young·2020-08-14 17:02

OpenCV2.2无法打开摄像头的解决办法

OpenCV2.2无法打开摄像头的解决办法完成了对OpenCV2.2运行环境的配置，迫不及待地想试一下利用OpenCV进行摄像头视频采集的功能，例程来自OpenCV中文网的《读视频文件和运动物体检测》：

djf2021·2020-08-14 17:05

GSVA-热图和显著性检验的箱型图

library(GSVA)library(limma)library(GSEABase)geneset<-getGmt("hy_g.gmt")#可自定义，也可从数据库直接下载【Fig1】https://www.gsea-msigdb.org/gsea/msigdb/index.jspdf<-read.table("df",header=T,row.names=1,sep="\t")#读入表达矩阵，

白云梦_7·2020-08-14 16:33

windows系统下使用yolo3训练自己的数据集并进行物体检测测试

windows系统下使用yolo3训练自己的数据集并进行物体检测测试用yolo3对自己的数据集进行训练，查阅一些相关文章，发现都是使用老版本的文章，一些细节方面有很多改动，我在文章中会列出我遇到的一些新问题和一些老问题

zscrane·2020-08-14 14:08

Darknet-YOLOV3编译成动态链接库并进行检测

GitHub源码：https://github.com/pjreddie/darknet官网：https://pjreddie.com/darknet/YOLO算法中把物体检测问题处理成回归问题，用一个卷积神经网络结构就可以从输入图像直接预测

不爱学习的胖纸·2020-08-14 14:23

opencv+yolov3实现物体检测

效果：yolo，youonlylookonce.如此著名故事又多的模型，真的值得一试。我们是直接下载人家yolov3模型来用，所以需要下载几个东西，除了detection是我们自己写的代码，其余都要下载，文末分享了所有的下载材料，自己下载即可。代码讲解：其实主要的代码在画框上，而不是怎样预测上，因为我们直接加载了yolo来detect。首先加载yolo，加载类别，没什么好说的#loadyoloba

Yonggie·2020-08-14 13:05

boost 统计分布之正态分布

项目要计算一个联配（alignment）的显著性，用p-value来衡量。随机联配做背景分布，而随机联配是正态的。学习了一下boost的数学分布。太好用了，妈妈再也不用担心我写错公式了。。。

zzucaicai·2020-08-14 08:12

目标检测中anchor的优缺点

目标检测中自从RPN被提出来以后，anchor-based的方法便成了物体检测模型的主流。这种方法在特征图的每一个像素点预设几个不同尺度和纵横比的boundingbox，称之为anchor。

zhe_csdn·2020-08-14 00:02

CVPR 2017论文解读：特征金字塔网络FPN

FPN主要解决的是物体检测中的多尺度问题，通过简单的网络连接改变，在基本不增加原有模型计算量情况下，大幅度提升了小物体检测的性能。我们将从论文背景，论文思想，结果与结论几方面探讨此论文。

zchang81·2020-08-14 00:23

系列文章：如何利用PaddleDetection做一个完整的项目（一）

如何利用PaddleDetection做一个完整的项目（一）0PaddleDetection简介PaddleDetection是PaddlePaddle推出的物体检测统一框架。

富土康一号质检员·2020-08-13 23:07

图像局部显著性—点特征（SIFT为例）

基于古老的Marr视觉理论，视觉识别和场景重建的基础即第一阶段为局部显著性探测。探测到的主要特征为直觉上可刺激底层视觉的局部显著性——特征点、特征线、特征块。

wishchin·2020-08-13 23:23

CVPR2019| 04-23更新7篇论文及代码（1篇oral，含视频目标分割、物体检测、三维点云等）

CVPR2019全部论文汇总：https://github.com/extreme-assistant/cvpr2019CVPR2019论文解读http://bbs.cvmart.net/topics/287/cvpr20191.Data-DrivenNeuronAllocationforScaleAggregationNetworks作者：YiLi,ZhanghuiKuang,YiminChen

樨潮·2020-08-13 22:26

【3D目标检测】PIXOR：基于点云的实时三维物体检测

PIXOR:Real-time3DObjectDetectionfromPointClouds阅读笔记文章标题PIXOR:Real-time3DObjectDetectionfromPointClouds作者BinYang,WenjieLuo,RaquelUrtasun来源IEEEConferenceonComputerVisionandPatternRecognition(CVPR)，2018h

小执着~·2020-08-13 21:58

rcnn ->fast rcnn->faster rcnn物体检测论文

fasterrcnn中的rpn网络：特征可以看做一个尺度51*39的256通道图像，对于该图像的每一个位置，考虑9个可能的候选窗口：三种面积{1282,2562,5122}×三种比例{1:1,1:2,2:1}。这些候选窗口称为anchors。下图示出51*39个anchor中心，以及9种anchor示例。讲解RPN网络比较好的博客:https://blog.csdn.net/sloanqin/ar

Claire_ljy·2020-08-13 20:03

FPN(Feature Pyramid Networks)网络学习

即有无FPN都可以输出FeatureMaps,但是采用FPN之后，大幅度提升了小物体检测的性能。

qq_38284204·2020-08-13 17:29

augmentor

尤其是涉及到一些相对“复杂”的数据增强手段，例如，物体检测，关键点检测，语义分割等任务，对图像做矩阵操作的同时还需要对标注信息做变换。自己实现的方法用起来也会顺手一些，可控性也

suxi的deep_travel·2020-08-13 17:34

FPN

FPN主要解决的是物体检测中的多尺度问题，通过简单的网络连接改变，在基本不增加原有模型计算量情况下，大幅度提升了小物体检测的性能。我

hanlinger_·2020-08-13 14:21

SCRDet：Towards More Robust Detection for Small, Cluttered and Rotated Objects

1811.07126代码地址：https://github.com/DetectionTeamUCAS作者解读：https://zhuanlan.zhihu.com/p/107400817 摘要： 物体检测一直是计算机视觉的基石

babywang0·2020-08-13 13:02

图文展示目标检测的现代发展历史

Author：ĐặngHàThếHiểnTranslatedby：哪咔吗Date：2018-10-16文章目录MiniMap六大技术一、图像分类二、物体定位三、物体检测四、语义分割五、实例分割六、关键点检测重要的

哪咔吗·2020-08-12 15:07

如何理解假设检验中的假设设计？

值的计算拒绝还是非拒绝的条件先算T值**适用于两尾备择假设的规则**：**适用于两尾备择假设的规则（H_1:E(Y)>μ_Y,0;H_1：E(Y)1-置信度区间如95%=0.05，则不拒绝原假设如果呈现出显著性

Andrew@csdn·2020-08-12 00:30

SPSS篇—方差分析

方差分析又被称作“F检验”或者“变异数分析”，主要是用于两个及两个以上样本均值差异的显著性检验。方差分析和回归分析一样，也有很多个分支。

小白数据营·2020-08-12 00:18

论文笔记 "PFDet: 2nd Place Solution to Open Images Challenge 2018 Object Detection Track"

GoogleAIOpenImagesObjectDetectionTrack2018onKaggle的第二名.本文有三个贡献.规模可变训练(TrainingatScale):展示了使用batchsize=512,使用ChanerMN,在512个GPU上训练物体检测器

lanadeus·2020-08-11 21:10

图解 YoloV2

整个训练分两部分对DarkNet19的预训练基于DarkNet19进行物体检测训练原图尺寸：input_shape标签：原始标签box为(class,xmin,ymin,xmax,ymax)每个值都是用原图片归一化

wenxueliu@HW·2020-08-11 14:01

SPSS各类检验、因素分析、分类方法

连续性的自变量检验方法1、两组数据显著差异分析：T检验（组内、组间2、两组定类数据差异性分析：卡方检验（另一个案例2：正常、早产儿是否与吸烟有关3、统计类别变量对数值变量的影响：方差分析（另一个检验不同机器对装填量是否有显著性影响

名字太简单就记不住·2020-08-11 14:00

物体检测初学者github代码

其实比较R-CNN、fastR-CNN、fasterR-CNN、YOLO、SSD等模型的准确度，直接给出准确率的意义不大，因为这些网络的基网络可能不同，故在给出detector准确率的同时，最好也同时给出基网络的模型：如VGG、resnet。为什么region-basedmethod的方法trainfromscratch会不收敛，而SSD的trainfromscratchmAP降低不大？regio

WYXHAHAHA123·2020-08-11 11:32

手把手教物体检测——YOLOV4（pytorch）

摘要YOLOV4在coco上面达到了43.5%AP，在TeslaV100上达到了65FPS。相比今年的其它模型，得分不算高，但是它不是通过提高输入图像的分辨率来提高得分的，而是改进网络结构。创新点主要有一下几个方面：（1）输入端：这里指的创新主要是训练时对输入端的改进，主要包括Mosaic数据增强、cmBN、SAT自对抗训练。（2）BackBone主干网络：将各种新的方式结合起来，包括：CSPDa

神码堂·2020-08-11 10:13

MnasNet：迈向移动端机器学习模型设计的自动化之路

文/GoogleBrain团队软件工程师MingxingTan卷积神经网络(CNN)现已广泛应用于图像分类、面部识别、物体检测和其他许多领域。

谷歌开发者_·2020-08-11 03:33

Python学习：基于Opencv来快速实现人脸识别（完整版）

随着人工智能的日益火热，计算机视觉领域发展迅速，尤其在人脸识别或物体检测方向更为广泛，今天就为大家带来最基础的人脸识别基础，从一个个函数开始走进这个奥妙的世界。

cpfsdzs2014·2020-08-11 03:56

商品物体检测项目

物体检测1.项目概述1.1项目架构设计1.2训练与测试整体结构设计2.接口设计2.1数据接口设计2.1.1商品格式转换实现2.1.2读取数据接口设计2.1.3商品数据读取子类2.1.4数据读取工厂逻辑2.1.5

沧海二阳·2020-08-10 23:40

学习计算机视觉之目标检测的总结

例如：人脸检测、行人车辆检测、通用物体检测、文本检测等。以及在专属领域内的检测还有：瑕丝检测、违禁物品检测等。而目标检测也为后续的图像分类、图像分割、目标追踪提供了基础。

bingbing0607·2020-08-10 15:43

OpenCV基础知识

OpenCVOpenCV是一个广受欢迎的开源计算机视觉库，它提供了很多函数，实现了很多计算机视觉算法，算法从最基本的滤波到高级的物体检测皆有涵盖。

T甜先生·2020-08-10 10:46

卷积神经网络(CNN)详解与代码实现

图像分类：场景分类，目标分类图像检测：显著性检测，物体检测，语义检测等等图像识别：人脸识别，字符识别，车牌识别，行为识别，步态识别等等图像分割：前景分割，语义分割2.卷积神经网络结构卷积神经网络主要是由输入层

Cindy's·2020-08-09 20:00

从零开始学R（六）——使用ggplot2的可视化简介

R的可视化——ggplot2数据分析师或数据科学家花费大量精力去琢磨各种模型，对模型数据进行解读，但是在普通人眼里，这些数字是如此的繁杂，甚至有一些数据分析并不在意统计数字本身，而是在意它的显著性(Significance

子佩青青·2020-08-09 18:01

推荐频道

显著性物体检测