目标检测

图像分割评估代码
参考博客：【语义分割】评价指标：PA、CPA、MPA、IoU、MIoU详细总结和代码实现（零基础从入门到精通系列！）
引言:
语义分割是像素级别的分类

在本文中提出了一种简单的注意力机制Box-Attention。它支持网格特征之间的空间交互(从感兴趣的Box中采样)，并提高了Transformer针对多个视觉任务的学习能力。
具体来说，介绍的BoxeR&#xff

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

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

问题 本文提出了一种单阶段的三维目标检测算法，并在文中分析了二阶段三维目标检测算法的不必要性。其所提算法在waymo实时目标检测竞赛中取得了第一的成绩。其性能超过了所有单阶段和多阶段的目标检测算法。
作者首先分析了二阶段目标检测

1.检测时，在推理时把视频帧传入gpu中进行推理 2.视频编码格式设置为MJPG 3.换更加轻量级的模型进行识别 4.采用队列的方法，使用生产者消费者的概念进行识别

将yolov4预测结果保存为json文件
如果代码是用mmdetection框架写的，转化部分的代码不需要自己来写，mmdetection自带的脚本可以把预测结果转为json文件。 只需运行python tools

code: https://github.com/zwwwayne/k-net 引言
实例分割（instance segmentation）已经被以 Mask R-CNN 为代表的“先检测后分割”的框架主导了多年&

理解目标检测当中的mAP_hsqyc的博客-CSDN博客_目标检测map

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