机器学习

CenterFusion: Center-based Radar and Camera Fusion for 3D Object Detection
1. Abstract
frustum：截锥体----去掉头部的锥体。
本

文章解读：
1 创新点
cascade R-CNN算法是CVPR2018的文章，通过级联几个检测网络达到不断优化预测结果的目的，与普通的级联不同的是，cascade RCNN的几个检测

计算机视觉研究院专栏作者：Edison_GOne-shot目标检测旨在通过几个标注的样本来检测新的目标。之前的工作已经证明了元学习是一个很有前途的解决方案，它们中的大多数基本上是通过解决在区域上的元学习检测来进行分类

本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇 

LabelImg下载
https://github.com/tzutalin/labelImg 解压后得到 环境配置
安装anaconda（安装教程很多不赘述），安装完成后执行下面命令安装依赖
pip

类似深度学习中目标检测的深度学习模型中有两个非常重要的性能指标，一个是MAP就是检测的准确率，另一个就是FPS,就是模型的推理速度，那么我们如何能够知道模型和视频的推理速度呢？ 接下来我们

前言
在阅读本博客时，建议先阅读AFDetV1以及cornernet和centernet
AFDetV1在我之前讲解过:【3D 目标检测】AFDet: Anchor Free One Stage 3D Object Detec

目标检测之牛仔行头检测（上）—— 读取coco数据集，可视化处理，转换为yolo数据格式 目录
目标检测之牛仔行头检测（上）—— 读取coco数据集&#xff

论文：RGB-D Salient Object Detection: A Survey 论文下载：RGB-D Salient Object Detection: A Survey 代码：https://

YOLOv1作为yolo系列开山之作结构还是比较简单的，相比于rcnn追求精确性，它还考虑了网络的速度。它的backbone借鉴了googlenet。 我们主要看输出：7X7X30 7X7表示将图片划