- 博客(8)
- 收藏
- 关注
RSS订阅原创 VisDrone数据集转为yolo格式工具
yolo算法有其独特的格式要求，为实现数据集能够便于计算特收集并编写几个python程序方便大家使用。特别说明其中部分程序主要思想及方法来源于DeepSeek大模型，如有不妥可联系删除。
2026-01-21 09:06:13
93
原创 马氏距离及相关知识
以二维随机变量为例：若对Ω中的每一个样本点ω都有一对有序实数（X（ω），Y（ω））与其对应，则称（X，Y）为二维随机变量或二维随机向量，称（X，Y）的取值范围为它的值域，记为Ω（X，Y）。设（X，Y）为二维随机变量，对任意的（x，y）∈R2，称F（x，y）=P（X≤x，Y≤y）为随机变量（X，Y）的分布函数。除以较大的协方差将有效缩短距离。若cov(X,Y)>0，即事件{X>E(X)}∩{Y>E(Y)}或{X<E(X)}∩{Y<E(Y)}发生的可能性更大，说明X和Y均有同时大于或同时小于各自平均值的趋势。
2025-07-07 08:52:22
504
原创 FFAVOD: Feature fusion architecture for video object detection （学习笔记）
我们使用1×1卷积来将多个帧的特征进行合并。然后，对这些张量进行二维卷积操作，卷积核的形状为1×1（1∗1∗(2n+1)），输出深度为1，得到c个形状为w ∗ h的张量。最后，我们将这些结果张量按通道方式进行拼接，得到w ∗ h ∗ c的特征图，即输出的特征图。架构的核心思想是：只计算视频中每帧的特征图一次，在进行目标帧的检测时，使用已经计算好的、时间上接近的帧的特征图来增强目标帧的特征图。例如，当无法访问t−2，但可以访问t−1时，如果n = 2，我们将使用五帧：t−1，t−1，t，t+1和t+2。
2025-05-20 10:58:37
1360
原创 学习《基于时序特性的视频目标检测研究》笔记
在视频序列中，根据视频时序连续的特性，当前 ChaoXing160 2021 年第 2 期 帧 t 与前序帧 t － 1 的检测结果保持连续，本文使用 结果反馈的后处理策略，通过前序帧 t － 1 的检测结 果判断与矫正当前帧的 t 的检测错误，提升视频检 测的准确率，处理流程如图 2 所示。本文提出 双模型检测，流程如图 3 所示，实时模型负责逐帧检 测，精度模型负责采样检测，并使用精度模型检测结 果矫正实时检测的结果。，减少帧间的冗余计算来加速检测，解决视频运动模糊与部分遮挡等问题来提高检测质量。
2025-05-07 11:01:15
972
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人