机器视觉

一、YOLACT 论文：https://arxiv.org/abs/1904.02689 yolact 源代码：https://github.com/dbolya/yolact yolact、yolact
本文的主

Multi-Source Domain Adaptation 最新论文集合 
[ICCV 2019]
Moment Matching for Multi-Source Domain Adaptation
[paper] [github]

前期工作
[ 1] 需要配置Clion https://blog.csdn.net/weixin_38593194/article/details/85122716 [ 2] 创建ros工作空间和功能包 https://blog.csdn.n

最近在进行视频行人检测优化的课题，需要进行相关领域的技术和背景调研，完成开题同时，了解相关技术，为后面的队伍的proposal和项目做准备，技术调研报告如下：一

在使用mmdetecion测试的时候我们可能想得到下面的结果，其实很简单，在test.py 后面加--options "classwiseTrue" 即可。
例如
python tools/test.py ./c

前言
参考的代码Mask_Rcnn 修改后的文件目录：
1. 数据集制作
1.1 数据集准备
1.1.1 样本
网上随便找的猫、狗、牛图片，有8张图（图名字和尺寸都需要统一格式&#xff09

论文名称：Dynamic Refinement Network for Oriented and Densely Packed Object Detection  论文下载：https://arxiv.org/pdf

一、准备
1.项目链接
https://github.com/ultralytics/yolov5
2.制作数据集
将标注好的图片放到data/images/train 和data/images/valid 文件夹下，将.

1. 数据集简介
Cityscapes数据集，即城市景观数据集，其中包含从50个不同城市的街景中记录的各种立体视频序列，除了更大的20000个弱注释帧之外，还有高质量的5000帧像素级注

MPII数据集简介
概述：
MPII人体姿势数据集是人体姿势预估的一个 benchmark，数据集包括了超过 40k 人的 25000 张带标注图片，这些图片是从 YouTube video 中抽取