- 博客(15)
- 资源 (27)
- 收藏
- 关注
原创 行为检测论文汇总【含详细论文笔记】、数据集汇总
1,Two-Stream Convolutional Networks for Action Recognition in VideosTwo-Stream Convolutional Networks for Action Recognition in Videos算法笔记Two-Stream CNN(双流CNN)介绍(NIPS2014)行为识别之——Two-Stream Convolutional Networks2,Learning Spatiotemporal Features with 3
2020-12-31 09:58:28 754
原创 行为检测论文笔记【综述】基于深度学习的行为检测方法综述
摘 要:行为检测在自动驾驶、视频监控等领域的广阔应用前景使其成为了视频分析的研究热点。近年来,基于深度学习的方法在行为检测领域取得了巨大的进展,引起了国内外研究者的关注,对这些方法进行了全面的梳理和总结,介绍了行为检测任务的详细定义和面临的主要挑战; 从时序行为检测和时空行为检测 2 个方面对相关文献做了细致地分类,综合分析了每一类别中不同研究方法的思路和优缺点,并阐述了基于弱监督学习、图卷积神经网络、注意力机制等新兴研究话题的相关方法; 介绍了行为检测领域常用的数据集以及性能评估指标,在这些数据集上比较
2020-12-25 10:14:40 5278 3
原创 论文笔记(十三)【Resnet Resnet50】残差网络
1,参考ResNet网络结构,BN以及迁移学习详解神经网络学习小记录20——ResNet50模型的复现详解2,什么是残差网络Residual net(残差网络):将靠前若干层的某一层数据输出直接跳过多层引入到后面数据层的输入部分。意味着后面的特征层的内容会有一部分由其前面的某一层线性贡献。其结构如下:深度残差网络的设计是为了克服由于网络深度加深而产生的学习效率变低与准确率无法有效提升的问题。由于梯度消失,深层网络很难训练。因为梯度反向传播到前面的层,重复相乘可能使梯度无穷小。结果就是,随着
2020-12-22 10:09:48 2883 1
原创 论文笔记(十二)【论文中概念解释2】split merge、Bottleneck Layer、IOU
1,split()函数+merge()函数在图像处理时,我们接触到的彩色以RGB居多,为了分析图像在某一通道上的特性,需要将图像的颜色通道进行分离,或者是在对某一颜色通道处理后重新进行融合。split()和merge()方法是一对互逆操作,split()是对图像进行通道分离,merge()是进行通道合并,灰度图像只有1个通道,一般RGB能分离出3个通道,RGBA图像能分理出4个通道(如.png格式图片)2,Bottleneck Layer2.1 什么是瓶颈层Bottleneck layer又称之为
2020-12-21 13:29:08 1020
原创 论文笔记(十二)【CSPNet】CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN
神经网络使用最先进的方法,在对象检测之类的计算机视觉任务上实现令人难以置信的结果。 然而,这种成功极大地依赖于昂贵的计算资源,这不便于人们在廉价设备使用最先进的技术。 在本文中,我们提出了跨阶段局部网络(CSPNet:Cross Stage Partial Network),以缓解以前需要大量推理计算的问题。
2020-12-21 00:28:15 1050
原创 论文笔记(十一)【yolov4】详细解析 YOLOv4: Optimal Speed and Accuracy of Object Detection
YOLOV4结构解析1,YOLOV4改进的部分(不完全)2、主干特征提取网络Backbone3、特征金字塔4、YoloHead利用获得到的特征进行预测5,补充5.1 yolov4可视化结构(很长)5.2 yolov3结构何yolov4结构对比5.4 yolov4 思维导图5.3 Mish:一个新的state of the art的激活函数,ReLU的继任者5.4 SPP5.5参考:睿智的目标检测29——Keras搭建YoloV4目标检测平台Mish:一个新的state of the art的激活函数,
2020-12-19 17:04:51 2101 1
原创 论文笔记(十)【yolov4】YOLOv4: Optimal Speed and Accuracy of Object Detection
参考:YOLOv4原文翻译 - v4它终于来了!AbstractThere are a huge number of features which are said to improve Convolutional Neural Network (CNN) accuracy. Practical testing of combinations of such features on large datasets, and theoretical justification of the result,
2020-12-18 13:01:39 374
原创 论文笔记(九)【论文中概念解释1】1x1卷积核的作用、机器学习中的正负样本、消融实验、ROIpooling、空间金字塔池化(Spatial Pyramid Pooling, SPP)、backbone
1x1卷积核的作用、机器学习中的正负样本、消融实验、ROIpooling、空间金字塔池化(Spatial Pyramid Pooling, SPP)
2020-12-17 21:12:11 1100
原创 论文笔记(八)【yolo v3】详细解析 You Only Look Once: Unified, Real-Time Object Detection
我第一次听到yolo的时候,导师就说,yolo很强,但是作者写的论文很烂,所以我之前一直没看yolo的论文,都看得是网上的博客或者视频讲解。但为了更全面的了解yolo,代码+讲解+论文,这三者都需要。1,yolo3网络结构再网上有两种博客结构,一种为主干结构,一种为详细结构。两者表达都一样,只是前者只看主要内容,后者是详细内容。yolo3主干结构yolo3 网络结构...
2020-12-15 16:36:53 603
原创 论文笔记(七)【yolo v3】You Only Look Once: Unified, Real-Time Object Detection
AbstractWe present YOLO, a new approach to object detection. Prior work on object detection repurposes classifiers to perform detection. Instead, we frame object detection as a regression problem to spatially separated bounding boxes and associated class
2020-12-15 11:14:44 382
原创 论文笔记(六)【特征金字塔】Feature Pyramid Networks for Object Detection
《Feature Pyramid Networks for Object Detection》这篇论文主要解决的问题是目标检测在处理多尺度变化问题是的不足,现在的很多网络都使用了利用单个高层特征(比如说Faster R-CNN利用下采样四倍的卷积层——Conv4,进行后续的物体的分类和bounding box的回归),但是这样做有一个明显的缺陷,即小物体本身具有的像素信息较少,在下采样的过程中极易被丢失,为了处理这种物体大小差异十分明显的检测问题,经典的方法是利用图像金字塔的方式进行多尺度变化增强,但这样会
2020-12-14 10:08:37 1166 1
原创 机械臂论文笔记(五)【2020抓取检测】机器人目标抓取区域实时检测方法 卢智亮
针对目前机器人目标抓取区域检测方法无法兼顾检测准确率和实时性的问题,提出一种基于 SE-Retina Grasp神经网络模型的机器人目标抓取区域实时检测方法。该方法首先以一阶目标检测模型RetinaNet为基础提取抓取框位置及抓取角度;针对抓取检测任务采用 SENet结构确定重要的特征通道;结合平衡特征金字塔设计思想,充分融合高低层的特征信息,以加强小抓取框的检测性能;在Cornell数据集上进行实验验证,结果表明该方法在取得更高检测准确率的同时,提高了抓取检测的效率,达到实时检测的要求。
2020-12-13 11:47:11 4248
原创 械臂论文笔记(四)【2020抓取检测】Antipodal Robotic Grasping using Generative Residual Convolutional Neural Network
摘要Abstract— In this paper, we present a modular robotic system to tackle the problem of generating and performing antipodal robotic grasps for unknown objects from the n-channel image of the scene. We propose a novel Generative Residual Convolutional Neur
2020-12-12 17:43:15 3319 3
原创 械臂论文笔记(三)【抓取检测】机器人抓取检测技术的研究现状 刘亚欣
作为机器人在工厂、家居等环境中最常用的基础动作,机器人自主抓取有着广泛的应用前景,近十年来研究人员对其给予了较高的关注,然而,在非结构环境下任意物体任意姿态的准确抓取仍然是一项具有挑战性和复杂性的研究. 机器人抓取涉及3个主要方面:检测、规划和控制. 作为第1步,检测物体并生成抓取位姿是成功抓取的前提,有助于后续抓取路径的规划和整个抓取动作的实现. 鉴于此,以检测为主进行文献综述,从分析法和经验法两大方面介绍抓取检测技术,从是否具有抓取物体先验知识的角度出发,将经验法分成已知物体和未知物体的抓取,并详细描述
2020-12-11 11:10:03 6531 2
原创 机械臂论文笔记(二)【实时抓取点检测】Real-Time Grasp Detection Using Convolutional Neural Networks
Real-Time Grasp Detection Using Convolutional Neural NetworksAbstract— We present an accurate, real-time approach torobotic grasp detection based on convolutional neural networks.Our network performs single-stage regression to graspable bounding boxes wit
2020-12-07 20:51:11 4892 12
22-8-6 mmaction2 slowfast训练配置 训练日志分析
2022-08-06
22-8-4 mmaction2 slowfast训练日志
2022-08-05
archery.mp4 行为识别 pytorchvideo demo演示视频(行为识别)
2022-07-30
archery.mp4 行为识别 pytorchvideo demo演示视频(行为识别)
2022-07-30
课堂学习行为测量系统的设计与实现_张鸿宇.caj
2021-04-15
基于深度学习的行为检测方法综述_高陈强.caj
2020-12-25
机器人抓取检测技术的研究现状_刘亚欣.caj
2020-12-11
Real-Time Grasp Detection Using Convolutional Neural Networks
2020-12-10
苹果采摘机器人末端执行器无损主动抓取技术研究
2020-11-24
基于卷积神经网络的二指机械手抓取姿态生成研究_李耿磊
2020-11-22
室内环境下移动机械臂的目标抓取技术.caj
2020-11-20
智能工业机器人的环境感知与运动规划.caj
2020-11-19
_移动机器人SLAM与路径规划方法研究.caj
2020-11-16
基于ROS视觉定位的机器人智能抓取系统研究_王海玲
2020-11-06
SLAM第四讲作业及资料.zip
2020-06-16
第四讲:相机模型与非线性优化.pptx
2020-06-16
SLAM第三讲作业资料.zip
2020-06-10
第二讲:三维空间的刚体运动.pptx
2020-06-09
生成式人工智能对课堂教学的变革影响 文 - 孙 众
2024-08-28
我国 2013-2023 年课堂视频分析的研究现状 * -基于 CiteSpace 的可视化林芷洁,杨玉宝
2024-08-28
表情分类模型-基于人脸 emotion.pth
2024-08-20
生成式 AI 商业落地白皮书 给 CXO 的 AI 转型战术指南
2024-07-28
读论文Rethinking the Role of Demonstrations What Makes In-Context
2024-03-09
读论文Rethinking the Role of Demonstrations What Makes In-Context
2024-03-09
rfb-face-mask.pth
2023-08-09
latest-model-099-94.7200.pth
2023-08-09
适用于Yolo训练和测试的coco数据集标签文件 train2017.txt和val2017.txt
2023-05-06
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人