- 博客(1)
- 资源 (99)
- 收藏
- 关注
RSS订阅合并空间和时间姿势估算
摘要 已经提出了许多“非最大抑制”（NMS）后处理方案来合并多个独立的对象检测。我们提出了NMS超出边界框的一般化，以将单个帧中的多个姿态估计合并。最终的估计是像标准NMS那样的重心而不是内在的，因此比任何一个独立方法更准确。使用相同的数学框架，我们将我们的方法扩展到多帧设置，将空间和时间上的多个独立姿态估计合并，并输出场景中存在的对象的数量和姿态。我们的方法回避了与完全跟
2017-04-22 08:27:33
19451
基于手势识别的鼠标控制实现
| 鼠标功能 | 手势 | Windows | macOS |
| -------- | -------------------------- | ------- | ----- |
| 移动 | 右手食指朝上
| 单击 | 右手食指与拇指捏合
| 双击 | 单击两次
| 右击 | 右手食指与中指捏合
| 向上滑 | 右手五指朝上
| 向下滑 | 右手拇指弯曲，其余四指朝上
| 拖拽 | 右手中指、无名指、小指朝上
2022-03-20
基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化和模型压缩实现
基于多种模型剪枝方法（L1-norm、Slimming、AutoSlim）的模型轻量化和模型压缩实现
2022-03-13
基于pytorch量化感知训练mnist分类 浮点训练vs多bit后量化vs多bit量化感知训练效果对比
基于pytorch量化感知训练mnist分类
浮点训练vs多bit后量化vs多bit量化感知训练效果对比
2022-03-06
基于pytorch后量化（mnist分类）浮点训练vs多bit后量化vs多bit量化感知训练效果对比
基于pytorch后量化（mnist分类）
浮点训练vs多bit后量化vs多bit量化感知训练效果对比
2022-03-06
YOLOV5的多主干网络（backbone）实现.zip
# 复现TPH-YOLOv5
# 支持的backbone为Ghostnet、Shufflenetv2、Mobilenetv3Small、EagleEye、EfficientNetLite-0、PP-LCNet-1x、SwinTrans-YOLOv5
2022-03-05
基于YOLO的目标检测界面化部署实现（支持yolov1-yolov5、yolop、yolox）
基于YOLO的目标检测界面化部署实现（支持yolov1-yolov5、yolop、yolox）
2022-03-05
基于YOLO的车辆多维特征识别系统（车色，车品牌，车标，车型）与PYQT实现（课程设计）
基于YOLO的车辆多维特征识别系统（车色，车品牌，车标，车型）与PYQT实现（课程设计）
2022-03-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人