机器视觉

介绍 这次介绍的是Facebook AI的一篇文章“End-to-End Object Detection with Transformers” 恰好最近Transformer也比较热门，这里就介绍一下如何利用Transfor

目标检测 YOLOv5根据配置改变网络的深度和宽度 flyfish 深度可以理解为网络的层数 宽度可以理解为网络层输出通道的大小 以配置文件 yolov5s.yaml 为例 # parameters nc: 80 # number o

今天在做目标检测的任务，是换backbone之后重新进行训练，刚好结合之前的疑惑，对PyTorch加载预训练模型做一个小结：参考：1.https://blog.csdn.ne

YOLO V4 — 网络结构和损失函数解析（超级详细！） - 知乎1.前言最近用YOLO V4做车辆检测，配合某一目标追踪算法实现 车辆追踪轨迹提取等功能，正好就此结合论文和

本文对基于激光雷达的无监督域自适应3D物体检测进行了研究，论文已收录于 ICCV2021。 在Waymo Domain Adaptation dataset上，作者发现点云质量的下降是3D物件检测器性能下降的主要原

1、backbone 是指用于在imagenet数据集上预训练的结构，用于提取图片特征。用于GPU：vgg,resnet,densenet;用于CPU:squeezeNet,mobilenet,shuffleNet

论文：Learning Spatial Fusion for Single-Shot Object Detection. Songtao Liu,Di Huang,Yunhong Wang 摘要 金字塔特征表示是解决目标检测中尺

Multiple Object Tracking with Correlation Learning 在去年年底，这篇文章的方法（Tracking Local Relation，TLR）

代码链接 paper链接 个人博客 问题 本文首先提出了一个目前一阶目标检测器存在的普遍问题就是在head部分将分类和定位这两个任务并行的来做了。这样的话就存在两个任务之间不对齐的问题。因为两个任务是的目标不一样。分类任务更加关注目标的

物体检测的两个步骤可以概括为：(1)检测目标位置(生成矩形框)(2)对目标物体进行分类物体检测的主流算法框架大致分为one-stage与two-stage。two-stage算法代表的有R-CNN系列，one-sta