深度学习

有模型：115m
"model/vlstm_92.h5".
GitHub - manncodes/Violence-Detection-CNNLSTM: 6th Sem ML Mini 有模型：115m
tensorflow-gpu
G

笔记
论文的脉络
先对比了和一些 其他工作的比较，比如 比 fast rcnn 更加能利用 全局的信息。
牵扯到的基础知识
iou
mAP
2. 统一的检测流程
提出了一个想法：每一个 box 如果 有

Effective Fusion Factor in FPN for Tiny Object Detection
论文地址：https://arxiv.org/pdf/2011.02298.pdf
论文发表于 2021 WAC

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

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]

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

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.

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