目标检测

机器视觉要解决哪些问题？ 机器视觉主要解决的问题有图像分类问题、目标检测问题、图像分割问题。 图像分类：识别出图像中的物体的类型。例如上图中第一个图，输入图片识别出图片中的物体为猫，而不需

一、Detectron2 操作介绍
Detectron2代码链接：https://github.com/facebookresearch/detectron2
Detectron2说明文档：https://det

paper：https://arxiv.org/pdf/2107.08430.pdf code：https://github.com/Megvii-BaseDetection/YOLOX
YOLOv3 baseli

本文介绍cvpr 2021的MonoFLEX，论文的着眼点是优化图片边沿被截断物体的3D检测，同时优化了中心点的深度估计。这个方法也是目前（截止2022.01）没有extra tranin

前言
这是2020年博主参加的第一个竞赛，kaggle上面的小麦检测。这场比赛是对小麦头进行目标识别，kaggle大赛官方说是意义重大，可以更好的评估粮食产量，为全人类做贡献&#xff0

Non Maximum Suppression(NMS)在目标检测中应用广泛，主要是用于目标检测结果从多个重叠边界框中选出一个1、两个框的IOU
IOU就是intersection over union,交比补，用

Scale-aware Automatic Augmentation for Object Detection
code: GitHub - dvlab-research/SA-AutoAug: Scale-aware Automatic A

Proposal and CropAndResize
1 custom plugin
config.py 是为convert_to_uff 命令定义的。config.py文件中应该通过修改op字段将自定义层映射到TensorRT中的插件名称

自己收藏一个目标检测历年算法框架，以后用得上

对于一个检测器，我们需要制定一定的规则来评价其好坏，从而选择需要的检测器。常用的评价指标是交并比（IOU）。
物体检测模型的输出是非结构化的，事先并无法得知输出物体的数量、