目标检测论文解读

深度学习在计算机视觉中的应用

深度学习在计算机视觉中的应用摘要：本文介绍了深度学习在计算机视觉领域的应用，包括目标检测、图像分类、人脸识别等。
a谷雨c·2023-12-06 03:28

【论文解读】角色动画的一致可控的图像到视频合成

论文：https://arxiv.org/pdf/2311.17117.pdf代码：https://github.com/HumanAIGC/AnimateAnyone图片解释：给定参考图像（每组中最左边的图像）的一致且可控的角色动画结果。我们的方法能够对任意角色进行动画处理，生成清晰且时间稳定的视频结果，同时保持与参考角色的外观细节的一致性。更多视频结果可在补充材料中找到。0摘要角色动画旨在通过
资料加载中·2023-12-06 01:23

【论文解读】UC-NeRF: Neural Radiance Field for Under-Calibrated multi-view cameras in autonomous driving

UC-NeRF：欠校准的多视角摄像头系统的新颖视图合成方法论文：https://arxiv.org/abs/2311.16945代码：GitHub-kcheng1021/UC-NeRF:theofficialpytorchimplementationofUC-NeRF图2：在欠校准的多摄像头系统中，NeRF的质量显著下降（第一行），伴随着颜色不一致（红色框），物体幻影（红色箭头）和错误的几何形状（
LeapMay·2023-12-06 00:37

语义分割 U2net网络学习笔记 （附代码）

U2-Net是一种用于显着性目标检测的深度学习网络，它采用了嵌套U结构，可以在保持高精度的同时实现快速的图像分割。它在多个数据集上进行了测试，并取得了优异的表现。U2
无妄无望·2023-12-05 23:58

【yolov8】与yolov5的区别及改进详解

而深度学习中的目标检测技术，能够帮助我们对图像中的目标进行识别，进而实现自动化控制。目前，Yolov8和Yolov5是目标检测领域热门的模型。
嘿♚·2023-12-05 22:10

知识蒸馏去雾：Distilling image dehazing with heterogeneous task imitation

然而，大多数的知识蒸馏方法都是应用于图像分类、语义分割或者目标检测的，很少有研究将知识蒸馏应用于不同图像恢复任务之间的知识转移。本文提出了一种利用异质任务模拟提取图像去雾知识的网络，在本文所提出的模
lishuoshi1996·2023-12-05 19:07

【AI数字人-论文】Wav2lip论文解读

文章目录Wav2lip前言Lip-syncExpertDiscriminatorGeneratorvisualqualitydiscriminator生成器总损失函数论文Wav2lip前言Wav2Lip是第一个通用说话者的模型，可生成与真实同步视频相匹配的口型同步精度的视频，它的核心架构概括为“通过向训练有素的口型同步专家学习，生成准确的口型同步”。基于此理念，Wav2lip包括一个生成器和两个判
马鹤宁·2023-12-05 16:11

目标检测——R-CNN系列检测算法总结

R-CNN系列算法详细解读文章：R-CNN算法解读SPPNet算法解读FastR-CNN算法解读FasterR-CNN算法解读MaskR-CNN算法解读目录1、概述1.1获取目标候选框1.2候选框提取特征1.3候选框分类及边框回归2、R-CNN系列算法概述2.1R-CNN算法2.2SPPNet算法2.3FastR-CNN算法2.4FasterR-CNN算法2.5MaskR-CNN算法3、R-CNN
lishanlu136·2023-12-05 16:14

【计算机视觉 | 目标检测】arxiv 计算机视觉关于目标检测的学术速递（12 月 4 日论文合集）（下）

文章目录1.8FooltheHydra:AdversarialAttacksagainstMulti-viewObjectDetectionSystems1.9PresentationAttackDetectionusingConvolutionalNeuralNetworksandLocalBinaryPatterns1.10PresentationAttackdetectionusingWav
旅途中的宽~·2023-12-05 15:08

使用GPU运行基于pytorch的yolov3代码的准备工作

环境：win10平台：pycharm代码是基于pytorch的yolo目标检测程序，是B站的一个up分享的，链接如下：https://www.bilibili.com/video/BV14f4y1q7ms1
little han·2023-12-05 11:01

Python Opencv实践 - Yolov3目标检测

Listitem环境：win10平台：pycharm代码是基于pytorch的yolo目标检测
亦枫Leonlew·2023-12-05 10:00

竞赛选题YOLOv7 目标检测网络解读

文章目录0前言1yolov7的整体结构2关键点-backbone关键点-head3训练4使用效果5最后0前言世界变化太快，YOLOv6还没用熟YOLOv7就来了，如果有同学的毕设项目想用上最新的技术，不妨看看学长的这篇文章，学长带大家简单的解读yolov7，目的是对yolov7有个基础的理解。从2015年的YOLOV1，2016年YOLOV2，2018年的YOLOV3，到2020年的YOLOV4、
laafeer·2023-12-05 10:42

论文解读--2D Car Detection in Radar Data with PointNets

基于PointNets的雷达数据二维汽车检测摘要对于许多自动驾驶功能，高精度的感知车辆环境是一个重要的前提。现代高分辨率雷达传感器为每个目标产生多个雷达目标，这使得这些传感器特别适合于二维目标探测任务。这项工作提出了一种方法，使用PointNets完全依赖稀疏雷达数据检测二维物体。在文献中，目前只提出了对对象进行对象分类或边界盒估计的方法。相比之下，该方法便于分类和使用单一雷达传感器对物体的边界盒
奔袭的算法工程师·2023-12-05 09:18

论文解读--Analysis and Comparison of MIMO Radar Waveforms

MIMO雷达波形分析和对比摘要选择合适的波形是实现多输入多输出(MIMO)雷达的关键任务。MIMO雷达波形除了具有分辨率好、副瓣低等一般要求外，还应具有良好的正交性。在本文中，我们简要概述了MIMO雷达波形，它们分为四类:(1)时分多址(TDMA)，(2)频分多址(FDMA)，(3)多普勒多址(DDMA)和(4)码分多址(CDMA)。讨论了一种特殊的循环MIMO波形，分析比较了不同波形的特性和应用
奔袭的算法工程师·2023-12-05 09:48

Halcon深度学习药片检测

数据的标注使用labelimg工具，具体的参考以下博文：https://blog.csdn.net/ctu_sue/article/details/1272801832.应用示例相关参数说明(1)创建目标检测模型
夏雪之晶莹·2023-12-05 09:44

论文解读--PointPillars- Fast Encoders for Object Detection from Point Clouds

PointPillars--点云目标检测的快速编码器摘要点云中的物体检测是许多机器人应用(如自动驾驶)的重要方面。在本文中，我们考虑将点云编码为适合下游检测流程的格式的问题。
奔袭的算法工程师·2023-12-05 09:40

【论文解读--触地检测+FSM状态切换】（猎豹 3）Contact Model Fusion for Event-Based Locomotion in Unstructured Terrains

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加TODO:写完再整理文章目录系列文章目录前言一、简介二、整体思路三、基于gm的干扰观测器估计腿上的外力1、基于动量（gm）的扰动观测器的原理2、基于关节动量（GM）的扰动观测器的输入3、推导过程（1）建立（关节的动力学模型表达式）标准方程（推导标准运动方程）（2）计算扰动向量（将外力收集成扰动矢量）4、离散时间扰动矢量τd
盒子君~·2023-12-05 03:03

14、Numpy字符串函数

此外，对“目标检测/模型压缩/语义分割”感兴趣的小伙伴，欢迎加入QQ群813221712讨论交流，进群请看群公告！（可以点击如下连接直接加入！）
phinoo·2023-12-05 03:00

ClipCap【用到Prefix Tuning】

应用可以是：目标检测。
电车上那个cll呀·2023-12-04 23:12

YOLOv8改进 | 2023 | 给YOLOv8换个RT-DETR的检测头（重塑目标检测前沿技术）

的检测方法，相较于传统的基于卷积的检测方法，提供了更为全面和深入的特征理解，将RT-DETR检测头融入YOLOv8，我们可以结合YOLO的实时检测能力和RT-DETR的深度特征理解能力，打造出一个更加强大的目标检测模型
Snu77·2023-12-04 21:47

自己动手玩转深度学习项目

计算机视觉，从字面意义上理解就是让计算机等机器也具备人类视觉，研究让机器进行图像分类、目标检测等。在这近十年里，该领域取得的成就让人大吃一惊，有些研究已经超越了人类的表现水平。对于想入门或
城市中迷途小书童·2023-12-04 17:33

锚框【Anchor frame】

一类目标检测算法是基于锚框提出多个被称为锚框的区域（边缘框）预测每个锚框是否含有关注的物体如果是，预测从这个锚框到真实边缘框的偏移IoU-交并比IoU用来计算两个框之间的相似度0表示无重叠，1表示重合赋予锚框标号每个锚框是一个训练样本将每个锚框
你不困我困·2023-12-04 16:45

13G深度学习垃圾分类数据分享，技术学习交流群

这里我和我的朋友，一起发起了一个以垃圾分类为主题，涉及图像分类、目标检测、边缘硬件设备（英达伟、树莓派）的技术学习交流群。目前已经有80多个不同高校的小伙伴加入，有多名工训赛比赛的
行路南·2023-12-04 14:56

40从传统算法到深度学习：目标检测入门实战 --深度学习在目标检测中的应用：R-CNN

R-CNN在传统的目标检测方法中，我们使用滑动窗口标记目标的位置、使用人工设计的特征和机器学习算法进行分类，此类方法虽然可以基本达到实时性的要求但是其缺点也比较明显。
Jachin111·2023-12-04 14:38

轻量级网络结构的目标检测算法——Yolov8介绍

1.Yolov8算法概述Yolov8是一种目标检测算法，它通过独特的双路径预测和紧密的连接的卷积网络进行目标检测。该算法采用了轻量级网络结构，同时保持了较高的性能，因此具有高效的特点。
LittroInno·2023-12-04 14:18

C# Onnx 百度飞桨开源PP-YOLOE-Plus目标检测

目录效果模型信息项目代码下载C#Onnx百度飞桨开源PP-YOLOE-Plus目标检测效果模型信息Inputs-------------------------name：imagetensor：Float
天天代码码天天·2023-12-04 14:28

[RoFormer]论文实现：ROFORMER: ENHANCED TRANSFORMER WITH ROTARY POSITION EMBEDDING

文章目录一、完整代码二、论文解读2.1注意力机制2.2绝对位置编码2.3相对位置编码2.4旋转位置编码Long-termdecayAdaptionforlinearattention2.5模型效果三、过程实现四
Bigcrab__·2023-12-04 13:07

[Bert]论文实现：BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

EfficientGraph-BasedImageSegmentation一、完整代码二、论文解读2.1模型架构2.2输入层MaskedLMEmbedding2.3BERT架构层2.4输出层NSPCLS2.5BERT
Bigcrab__·2023-12-04 13:06

[Transformer-XL]论文实现：Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context

文章目录一、完整代码二、论文解读2.1Transformer-XL的介绍2.2Transformer-XL的架构2.3相对位置编码2.4分段递归模型三、过程实现四、整体总结论文：Transformer-XL
Bigcrab__·2023-12-04 13:06

[GPT-1]论文实现：Improving Language Understanding by Generative Pre-Training

EfficientGraph-BasedImageSegmentation一、完整代码二、论文解读2.1GPT架构2.2GPT的训练方式Unsupervisedpre_trainingSupervisedfine_training
Bigcrab__·2023-12-04 13:35

目标检测简介

文章目录前言一、目标检测的概述1.1目标检测概念1.2主流解决方式1.3应用领域二、目标检测的发展2.1两阶段目标检测2.2单阶段目标检测2.3新时代的检测技术三、目标检测的指标3.1基础概念3.2评价指标
92岁高龄码农·2023-12-04 11:17

旋转框（obb）目标检测计算iou的方法

首先先定义一组多边形，这里的数据来自前后帧的检测结果pre=[[[860.0,374.0],[823.38,435.23],[716.38,371.23],[753.0,310.0]],[[829.0,465.0],[826.22,544.01],[684.0,539.0],[686.78,459.99]],[[885.72,574.95],[891.0,648.0],[725.0,660.0],
athrunsunny·2023-12-04 11:46

【目标检测】进行实时检测计数时，在摄像头窗口显示实时计数个数

该项目链接：【目标检测】保姆级别教程从零开始实现基于Yolov8的一次性筷子实时计数，从数据集构建到模型训练与部署，手把手教学-CSDN博客项目模型：【免费】基于yolov8的竹签计数的模型文件资源-CSDN
TUSTer_·2023-12-04 11:46

零基础上手，秒识别检测，IDEA研究院发布全新T-Rex模型

目标检测作为当前计算机视觉落地的热点技术之一，已被广泛应用于自动驾驶、智慧园区、工业检测和卫星遥感等场景。
CSDN云计算·2023-12-04 09:35

连接备份1128

深度学习—分类识别篇：http://tr.daheng-imaging.com/watch/1050636http://tr.daheng-imaging.com/watch/1050636深度学习—目标检测篇
小张小迪·2023-12-04 09:28

【目标检测实验系列】YOLOv5创新点改进实验：通过转置卷积，动态学习参数，减少上采用过程特征丢失，提高模型对目标的检测精度！（超详细改进代码流程）

1.文章主要内容本篇博客主要涉及两个主体内容。第一个：简单介绍转置卷积的原理。第二个：基于YOLOv56.x版本，将Neck部分的upSample改为nn.ConvTranspose2d转置卷积（通读本篇博客需要10分钟左右的时间）。小提示：这些点子都可以用来作为写SCI四区、北大核心论文的一个小创新点！2.转置卷积（原理：简单介绍，可自行详细研究）通俗的讲，转置卷积相对于普通卷积在上采样过程中，
弗兰随风小欢·2023-12-04 08:53

目标检测算法 - YOLOv4

文章目录1.简介2.YOLOv4整体结构3.Backbone4.Neck1.简介YOLOv4是YOLOv3的改进版。YOLOv4并不是原YOLO项目的作者。发表于CVPR2020。改进：主干特征提取网络：Darknet53->CSPDarknet53特征金字塔：SPP，PAN分类回归层：YOLOv3（未改变）训练时用到的小技巧：Mosaic数据增强、LabelSmoothing平滑、CIOU、学习
mango1698·2023-12-04 06:28

目标检测算法 - YOLOv3

文章目录1.BackboneDarknet-532.整体架构3.损失函数4.训练过程5.预测过程YOLOv1、YOLOv2都是在CVPR这种正规的计算机视觉学术会议上发表的正式学术论文。YOLOv3不算一篇严谨的学术论文，是作者随笔写的技术报告。YOLOv3性能：1.BackboneDarknet-53YOLOv3在v2的基础上，更换了骨干网络，将Darknet-19替换为了Darknet-53。
mango1698·2023-12-04 06:58

计算机视觉（OpenCV+TensorFlow）

3.计算机视觉的两大挑战4.计算机视觉的8大任务图像分类目标检测语义分割实例分割视频分类人体关键点检测场景文字识别目标追踪5.OpenCV在计算机视觉中扮演的角色十三.神经网络1.引子2.神经元3.MP
Mayphyr·2023-12-04 05:44

小样本目标检测综述__刘浩宇(导航与控制2021)论文阅读

小样本目标检测综述__刘浩宇(导航与控制2021)阅读0、引言早期采用了大量标注样本回归候选框的位置，但后来目标集和训练集数据分布不同导致检测效果下降。
Mrwei_418·2023-12-04 04:19

Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection o

AdaptiveSparseConvolutionalNetworkswithGlobalContextEnhancementforFasterObjectDetectiononDroneImages阅读笔记文章地址CodeAbstract在资源有限的无人驾驶飞行器（UAV）平台上，对无人机图像进行低延迟的目标检测是一项重要但具有挑战性的任务
Mrwei_418·2023-12-04 04:19

RTDETR阅读笔记

文中首先分析了NMS对实施目标检测的精度和速度的负面影响。（RTDETR是第一个实时端到端的目标检测器。
Mrwei_418·2023-12-04 04:19

科研学习|论文解读——Deep learning for anomaly detection in log data: a survey

摘要自动日志文件分析能够及早发现系统故障等相关事件。特别是，自学习异常检测技术能够捕捉日志数据中的模式，然后向系统操作员报告意外的日志发生，而无需提前提供或手动建模异常场景。最近，越来越多的利用深度学习方法来实现此目的的方法被提出。与传统的机器学习技术相比，这些方法表现出了卓越的检测性能，同时解决了数据格式不稳定的问题。然而，深度学习存在不同的架构，对原始和非结构化的日志数据进行编码以供神经网络分
博士僧小星·2023-12-03 23:51

科研学习|论文解读——Open government research over a decade: A systematic review

Opengovernmentresearchoveradecade:Asystematicreview十年来的开放政府研究：一个系统性综述摘要在过去十年中，对开放政府的学术研究蓬勃发展。然而，对开放政府的全面审查是有限的。这一研究空白不仅阻碍了我们对开放政府整体知识体系的理解，也阻碍了现有实践的推进。为了解决这一差距，本文系统地回顾了2008年至2019年期间发表的189项研究。指导这一回顾的中心
博士僧小星·2023-12-03 21:53

目标检测常用评价指标

1基本概念1.1IOU(IntersectionoverUnion)1.2TPTNFPFN2.各种率3.PR曲线4.mAP的计算4.1AP的计算[email protected]和[email protected]:0.951.1IOU(IntersectionoverUnion)1.2TPTNFPFNTP(TruthPositive)：预测正类，实际正类，即预测正确TN(TruthNegative)：预测负类，实际负
zhaosuyuan·2023-12-03 19:33

Transformer的一点理解，附一个简单例子理解attention中的QKV

Transformer用于目标检测的开山之作DETR，论文作者在附录最后放了一段简单的代码便于理解DETR模型。
河北一帆·2023-12-03 16:22

使用coco数据集进行语义分割（1）：数据预处理，制作ground truth

如何coco数据集进行目标检测的介绍已经有很多了，但是关于语义分割几乎没有。
河北一帆·2023-12-03 16:21

基于深度学习的卷积神经网络的水果分类系统

卷积神经网络（ConvolutionalNeuralNetwork，CNN）作为深度学习的重要组成部分，已经在图像分类、目标检测和语义分割等任务中取得了显著的成果。而水果分
xuehaikj·2023-12-03 12:35

基于OpenCV和改进深度学习网络的香菇分级图像分割系统

图像分割是将图像划分为不同的区域或对象的过程，对于图像理解、目标检测和图像识别等任务具有重要意义。在农业领域中，图像分割技术可以用于农作物的生长监测、病虫害检测和果
xuehaikj·2023-12-03 12:04

IoU、GIoU、CIoU和DIoU

IntersectionoverUnion，交并比）、GIoU（GeneralizedIoU，广义交并比）、CIoU（CompleteIoU，完全交并比）和DIoU（DistanceIoU，距离交并比）是目标检测中常用于评估预测框和真实框之间重叠程度的指标
赢勾喜欢海·2023-12-03 11:15
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他