人工智能

本文介绍 CVPR 2021 接收的目标检测论文 You Only Look One-level Feature。原论文作者来自：中科院自动化所、中科院大学人工智能学院、中国科学院脑科学与智能技术卓越创新中心、旷视科技。0 动机 

图1：网络流程图 代码、论文地址：在公众号「3D视觉工坊」，后台回复「CenterPoint」，即可直接下载。 前言： 该文章是Center-based系列工作（CenterNet、CenterTrack、CenterPoint）的扩展，于20

https://www.bilibili.com/video/BV1Q64y1s74K?fromsearch&seid14147522030581958530&spm_id_from333.337.0.0https://www.bilibili

计算机视觉研究院专栏作者：Edison_G现在的自监督学习通过在ImageNet数据集上实现图像分类来进行无监督的预训练，通过最大化不同图像之间的距离（相似度），最小化同一张

FasterRCNN源码解析（一）-——跑通代码 这个系列是对哔哩哔哩up主霹雳吧啦Wz所出的FasterRCNN源码解析的视频进行一个记录以及加上自己理解（可能没有多少，更多的是对数据

1、YOLOv5的介绍 一、YOLOv4到YOLOv5 最初是希望参考YOLOv4进行目标的检测，希望使用深度学习来对电机车轨道的识别，但是，在查阅相关资料后，发现YOLOv4的余温还在

摘要 最近的研究表明，良好的特征嵌入是获得良好的学习性能的关键。我们观察到具有不同交并比(IoU)分数的目标候选框类似于对比方法中使用的图像内增强。 我们利用这种类比，并结合监督对比学习，以实现更稳健

浙江大学的一篇工作。可以直接看原作者的中文介绍： https://zhuanlan.zhihu.com/p/157530787 官方源码： https://github.com/cfzd/Ultra-Fast-Lan

在做深度学习任务时，我是做图像目标检测，用tensorflow或者keras或者pytorch训练完模型，然后就是做预测，发现无论是用GPU还是CPU都非常慢，然后百度了好久

1 YOLOv4目标检测模型 自从Redmon说他不在更新YOLO系列之后，我一度以为这么好用的框架就要慢慢淡入历史了，事实是我多虑了。YOLOv4在使用YOLO Loss的基础上，使用了新的back