- 博客(2)
- 资源 (2)
- 收藏
- 关注
转载 基于深度学习的目标检测研究进展
本文主要对基于深度学习的目标检测算法进行剖析和总结,文章分为四个部分:第一部分大体介绍下传统目标检测的流程,第二部分介绍以R-CNN为代表的结合region proposal和CNN分类的目标检测框架(R-CNN, SPP-NET, Fast R-CNN, Faster R-CNN); 第三部分介绍以YOLO为代表的将目标检测转换为回归问题的目标检测框架(YOLO, SSD); 第四部分介绍一些可以提高目标检测性能的
2016-06-04 21:12:29 1887
原创 【目标跟踪】Learning to Track at 100 FPS with Deep Regression Networks 学习
这篇文章是斯坦福大学2016年4月发的,文中提出了一种通过离线训练带标签的视频来更有效跟踪目标物体的方法。以前的深度学习用来做跟踪的算法都比较慢,这一论文的跟踪器使用了简单的前向传播而无需在线训练,测试时的跟踪帧率达到了100fps.由于在训练网络时既使用了带标签的视频,也使用了大量的图片,可以防止过拟合。跟踪器学习了泛化的运动特征,所以可以去跟踪训练集中没有出现的新物体。传统通用目标跟踪器(相对于特定目标跟踪器)
2016-06-02 21:18:42 8002 2
OpenCV 及其附加库 opencv_contrib Python接口,pyd文件
2017-06-13
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人