三维目标检测算法汇总学习笔记
原文链接:https://mp.weixin.qq.com/s/_HdGVC6orkL2zfiv5sqrMw 2D与3D区别 3D目标检测面临更多的挑战,主要的体现在不仅要找到物体在图像中出现的位置,还需要反投影到
原文链接:https://mp.weixin.qq.com/s/_HdGVC6orkL2zfiv5sqrMw 2D与3D区别 3D目标检测面临更多的挑战,主要的体现在不仅要找到物体在图像中出现的位置,还需要反投影到
常见问题: 1、路径问题: 推荐直接使用绝对路径,将其复制到自己所需要的路径下,然后记得该单斜杠“\”为双斜杠“\\” 2、30系列显卡环境配置深度学习环境配置8——(3
该论文是期刊2020年录取的一篇较新的一篇论文《Robust Infrared Small Target Detection via Multidire
基于YOLOV4的绝缘子检测(开源模型、数据集及源码) 一、项目简介 Yolo_Insulators是一个基于YoloV4的绝缘子目标检测程序,人工智能课程设计作业。github链接 github:
上周4-2 Coursera吴恩达《卷积神经网络》 第二周课程笔记-深度卷积模型:实例探究学习了几个经典的神经网络模型(VGG、AlexNet和LeNet-5,以及ResNets和Inception系列
yolo系列原理 先唠唠 这部分主要讲述yolo系列各个版本的的原理,这部分会把yolov1到yolov5的原理进行详细的阐述。首先我们先来看深度学习的两种经典的检测方法: Two-stage(两阶段&
计算机视觉算法——目标检测网络总结 由于后面工作方向的需要,也是自己的兴趣,我决定补习下计算机视觉算法相关的知识点,参考的学习资料主要是B站Up主霹雳吧啦Wz,强推一下,U
Bridging the Gap Between Anchor-based and Anchor-free detection via adaptive training sample selectionhttps://openaccess.t
本科毕业论文“基于YOLOV4的目标检测” 知识储备 由于YOLOV4是是YOLO的第四个版本所以为了更好的理解可以先从YOLO开始了解。 YOLOV1 链接:link. YOLOV2 链接:link. YOLOV3 链接:link. YO
目标检测算法(YOLOv1) 论文题目:You Only Look Once: Unified, Real-Time Object Detection 网络架构 YOLOv1的模型架构参考GoogleNet,一共有24个卷积层,2个全连接