![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 92
Hali_Botebie
这个作者很懒,什么都没留下…
展开
-
【YOLO家族】Scaled-YOLOv4, Optimal Speed and Accuracy of Object Detection,CVPR 2021
YOLOv4在使用YOLO Loss的基础上,使用了新的backbone,并且集成了很多新的优化方法及模型策略,如Mosaic,PANet,CmBN,SAT训练,CIoU loss,Mish激活函数,label smoothing等等。可谓集SoAT之大成,也实现了很好的检测精度和速度。softplusxlog1exsoftplusxlog1ex这个函数可以看作是ReLU(Rectified Linear Unit,修正线性单元)函数的平滑版本。原创 2024-08-22 11:01:30 · 886 阅读 · 0 评论 -
【论文】CSPNet,A New Backbone that can Enhance Learning Capability of CNN,Cross Stage Partial其减少计算量并增强梯度
偶然发现,csp的yolov4 的检测性能还挺好,激发了兴趣。原创 2024-08-16 11:15:46 · 125 阅读 · 0 评论 -
Hourglass:Stacked Hourglass Networks for Human Pose Estimation人体姿态领域算是比较早也比较经典的一个模型
我们将该架构称为基于池化和上采样的连续步骤的“堆叠沙漏”网络,这些步骤用于生成最终的预测集。我们展示了重复的自下而上、自上而下的处理与中间监督相结合对提高网络性能至关重要。原创 2023-11-30 17:14:03 · 802 阅读 · 0 评论 -
Region Proposal by Guided Anchoring,一种有效的基于锚点几何形状的特征适应模块,CVPR2019
区域锚是现代目标检测技术的基石。最先进的探测器大多依赖于密集的锚定方案,锚定在空间域上用预定义的一组比例和宽高比均匀采样。在本文中,我们将重新审视这一基础阶段。我们的研究表明,它可以更有效地完成。具体来说,我们提出了一种替代方案,称为引导锚定(Guided Anchoring),它利用语义特征来引导锚定。该方法联合预测目标中心可能存在的位置以及不同位置的尺度和宽高比。在预测锚点形状的基础上,我们通过一个特征适应模块来缓解特征不一致性。我们也研究使用高质量的建议来提高检测性能。翻译 2023-08-17 16:08:44 · 205 阅读 · 0 评论 -
【论文】Focal-EIOU Loss:Focal and Efficient IOU Loss for Accurate Bounding Box Regression 用于精确边界框回归
损失函数之Focal-EIoU Loss:CVPR2020的一篇关于边界框损失函数文章:Focal and Efficient IOU Loss for Accurate Bounding Box Regression。在Focal-EIoU Loss这篇论文中,作者提出CIoU中的相对比例存在若干问题,因此提出了更为直接的使用边长作为惩罚项。此外为了解决低质量样本造成的损失值剧烈震荡的问题,这篇论文设计了一个用于回归的Focal Loss。转载 2023-05-24 10:21:48 · 1514 阅读 · 0 评论 -
【transformer(15)】Swin Transformer using shifted windows,一种新的视觉变压器,称为Swin变压器,它可以用作计算机视觉的通用主干
见证了自然语言处理 (NLP) 的巨大成功,最近人们对将变形金刚引入视觉任务的兴趣激增。Dosovitskiy等人 [6] 提出了用于图像分类的视觉变换器 (ViT)。按照NLP中的Transformer设计,作者将图像分成多个线性嵌入的补丁,然后将它们馈送到带有位置嵌入 (PE) 的标准变压器中,从而在ImageNet上取得了令人印象深刻的性能。在语义分割中,Zheng等人 [7] 提出了SETR,以证明在此任务中使用变压器的可行性。SETR采用ViT作为骨干,并结合了多个CNN解码器以扩大特征分辨率。翻译 2023-04-23 15:50:05 · 1115 阅读 · 0 评论 -
【SegFormer(1)】SegFormer Simple and Efficient Design for Semantic Segmentation with Transformers环境适应强
我们介绍了SegFormer,这是一种简单,有效但功能强大的语义分割框架,它将变压器与轻型多层感知器 (MLP) 解码器统一在一起。我们扩大了我们的方法,以获得从SegFormer-B0到SegFormer-B5的一系列模型,达到比以前的同行明显更好的性能和效率。例如,SegFormer-B4在64M参数的ADE20K上实现了50.3% mIoU,比以前的最佳方法小5倍,2.2% 更好。翻译 2023-04-19 09:51:08 · 956 阅读 · 0 评论 -
【Transformer(17)】Flowformer论文,提出了任务通用的线性复杂度主干网络
注意力机制具有二次复杂性,极大地阻碍了变压器处理众多令牌并扩展到更大的模型。以前的方法主要利用相似性分解(similarity decomposition)和矩阵乘法(associativity of matrix multiplication)的关联性来设计线性时间(linear-time)注意机制。通过重新引入诸如局部性的归纳偏差(inductive biases),他们避免了对琐碎分布的关注,从而以模型的通用性和表现力为代价。翻译 2023-04-19 09:35:33 · 510 阅读 · 0 评论 -
【透视图像目标检测(8)】【3DBBox】FCOS3D: Fully Convolutional One-Stage Monocular 3D Object Detection
在本文中,我们采用了一种简单而有效的方法来使2D检测器能够预测3D定位。我们首先将通常定义的7-DoF 3D位置投影到2D图像上,并获得投影的中心点,与先前的2D中心相比,我们将其命名为3D中心。通过此投影,3d中心包含2.5D信息,即2D位置及其相应的深度。可以将2D位置进一步减小到从图像上的某个点开始的2D偏移,该图像作为可以像在2D检测中一样在不同特征级别之间进行归一化的唯一2D属性。相比之下,深度,3D大小和方向被视为解耦后的3D属性。翻译 2022-11-18 16:59:44 · 2103 阅读 · 0 评论 -
FCOS(FCOS: Fully Convolutional One-Stage Object Detection)
我们提出了一种完全卷积的一级对象检测器 (FCOS),以每像素预测方式 (类似于语义分割) 解决对象检测问题。几乎所有最先进的对象检测器,例如RetinaNet,SSD,YOLOv3和更快的r-cnn,都依赖于预定义的锚盒。相比之下,我们提出的探测器FCOS是无锚盒的,也是无提案的。通过消除预定义的锚框集,FCOS完全避免了与锚框相关的复杂计算,例如在训练过程中计算重叠。更重要的是,我们还,这些参数通常对最终检测性能非常敏感。翻译 2022-11-18 16:07:41 · 773 阅读 · 0 评论 -
【激光雷达3D(4)】CenterPoint《Center-based 3D Object Detection and Tracking》
最近在分析BEV 的head的设计,在BEVDet和BEVFormer里,使用了各种3D detection head(BEVDet用了centerpoint,BEVFormer用了deformable detr)翻译 2022-11-18 11:25:08 · 682 阅读 · 0 评论 -
【YOLO系列】YOLOv3: An Incremental Improvement
YOLOv3在320×320的分辨率下以28.2 mAP的速度运行22 ms,与SSD一样精确,但速度快了三倍。当我们查看旧的.5 IOU mAP检测指标YOLOv3时,它是相当不错的。在Titan X上,它在51毫秒内可达到57.9AP50,相比之下,RetinaNet在198毫秒内可达到57.5AP50,性能相似,但快3.8倍。翻译 2022-11-16 11:08:34 · 347 阅读 · 0 评论 -
【论文】Poly-yolo: 改进anchor分配问题
Poly-YOLO建立在YOLOv3的原始思想的基础上. 本文的贡献1、修改了骨干网络增加CE模块2、修改了标签分配的逻辑,avoid to miss the training with close object at small feature map.3、修改了输出层,融合特征图后在进行回归,适应在单一的检测场景中提升更好的性能。4、多边形检测修改YOLO架构,是在主干中使用squeeze-and-excitation(SE)块。像其他许多神经网络一样,Darknet-53使用重复块,其中每个块原创 2022-11-16 10:30:52 · 941 阅读 · 0 评论 -
【论文】【CVPR2022】Real-time Object Detection for Streaming Perception
用于流感知的实时对象检测自动驾驶需要模型感知环境并在低延迟内(重新)采取行动以确保安全。虽然过去的工作忽略了处理后环境中不可避免的变化,但提出了流式感知将延迟和准确性联合评估为视频在线感知的单一指标。在本文中,我们没有像以前的工作那样在准确性和速度之间进行权衡,而是。我们为流式感知构建了一个简单有效的框架。它配备了一个新颖的双流感知模块 (DFP),其中包括动态和静态流,以基本检测功能。此外,我们引入了趋势感知损失 (TAL) 与趋势因子相结合,为具有。翻译 2022-11-16 09:46:01 · 1071 阅读 · 0 评论 -
【论文】RAPiD: Rotation-Aware People Detection in Overhead Fisheye Images
在这项工作中,我们开发了一种端到端的旋转感知的人检测方法,称为RAPID,。我们的完全使用,该函数考虑了角度的周期性。我们还创建了一个新的数据集,其中包含旋转边界框的时空注释,用于人的检测以及头顶鱼眼视频中的其他视觉任务。翻译 2022-11-16 09:41:58 · 418 阅读 · 0 评论 -
【MLP-BEV(3)】HDMapNet: An Online HD Map Construction and Evaluation Framework
在本文中,我们介绍了高清语义地图学习问题,该问题基于车载传感器观察动态构建局部语义。同时,我们引入了一种语义地图学习方法,称为 HDMapNet。HDMapNet 对来自周围摄像机和/或来自 LiDAR 的点云的图像特征进行编码,并预测鸟瞰图中的矢量化地图元素。高清(HD)语义地图是自动驾驶的重要模块。构建此类高清语义地图的传统管道包括预先捕获点云、使用 SLAM 构建全局一致的地图以及在地图中注释语义。这种模式虽然可以生成精确的高清地图并被许多自动驾驶公司采用,但需要大量的人力。翻译 2022-11-16 09:37:44 · 1205 阅读 · 0 评论 -
【MLP-BEV(1)】Cross-view Semantic Segmentation for Sensing Surroundings——View Parsing Network
跨视图语义分割,Cross-view Semantic Segmentation图解析网络 (VPN) 的框架,View Parsing Network (VPN)原创 2022-11-14 11:39:56 · 1926 阅读 · 0 评论 -
【MLP-BEV(2)】LSS,2D->3D,Lift-Splat-Shoot:通过隐式反投影到3D空间实现对任意相机图像编码
LSS从提出到现在已经经过了时间的验证,大量学者在其基础上进行了更进一步的研究,提出了各种花里胡哨的SOTA模型。总结来看,值得提及的有以下几点:优点:1.LSS的方法提供了一个很好的融合到BEV视角下的方法。基于此方法,无论是动态目标检测,还是静态的道路结构认知,甚至是红绿灯检测,前车转向灯检测等等信息,都可以使用此方法提取到BEV特征下进行输出,极大地提高了自动驾驶感知框架的集成度。2.虽然LSS提出的初衷是为了融合多视角相机的特征,为“纯视觉”模型而服务。原创 2022-11-11 17:06:03 · 1804 阅读 · 0 评论 -
CenterNet :Objects as Points
论文题目:Objects as Points论文地址:https://arxiv.org/pdf/1904.07850.pdf发布时间:2019.4.16机构:UT Austin,UC Berkeley代码:https://github.com/xingyizhou/CenterNet翻译 2022-03-04 09:24:09 · 361 阅读 · 0 评论 -
【透视图像目标检测(7)】3D Bounding Box Estimation Using Deep Learning and Geometry
参考https://arxiv.org/pdf/1612.00496.pdfhttps://cs.gmu.edu/~amousavi/papers/3D-Deepbox-Supplementary.pdf正文我们提出了一种从单个图像进行 3D 对象检测和姿态估计的方法。与目前仅回归对象 3D 方向的技术相比,我们的方法首先使用深度卷积神经网络回归相对稳定的 3D 对象属性,然后将这些估计与 2D 对象边界框提供的几何约束相结合,以生成完整的 3D 边界框。我们第一个网络输出估计 3D 对象方向(翻译 2021-09-25 15:42:24 · 1360 阅读 · 0 评论 -
LEARNING TO EXPLORE USING ACTIVE NEURAL SLAM
我们提出的探索架构包括一个学习的神经 SLAM 模块、一个全局策略和一个局部策略,它们通过地图和分析路径规划器进行连接。学习的神经 SLAM 模块从输入的 RGB 图像和运动传感器:估计姿势生成free space maps全局策略模块全局策略使用:姿势+free space maps并通过学习利用现实世界环境布局中的结构规律来产生长期目标。这些长期目标用于为局部策略生成短期目标(使用几何路径规划器)。局部策略局部策略使用学习将原始 RGB 图像直接映射到代理应执行的运动避障操作。翻译 2021-09-25 11:28:25 · 747 阅读 · 0 评论 -
ORB-SLAM3: An Accurate Open-Source Library for Visual, Visual-Inertial and Multi-Map SLAM
系统适用性单目、立体和 RGB-D 相机使用针孔和鱼眼镜头模型视觉、视觉惯性和多地图 SLAM 的系统创新点1:集成了IMU的松耦合初始化创新点2:多地图系统,ORB-SLAM3 能够在视觉信息不佳的情况下存活很长时间:当它丢失时,它会启动一张新地图,当重新访问地图区域时,该地图将与之前的地图无缝合并。效果双目惯性 SLAM 在 EURoC 无人机中实现了 3.5 厘米的平均精度简介现代系统依赖于最大后验 (MAP) 估计,在视觉传感器的情况下,它对应于束调整 (BA),无论是在基翻译 2021-09-23 09:06:47 · 569 阅读 · 0 评论 -
(ORBSLAM3关联文章)论文翻译Inertial-Only Optimization for Visual-Inertial Initialization视觉惯性初始化的仅惯性优化
作者开篇点名:我要做“视觉惯性初始化公式化为最佳估计问题”在最大后验(MAP)估计的意义上,我们首次将视觉惯性初始化公式化为最佳估计问题。作者提出,以前的研究不行:我们能够正确考虑 IMU 测量不确定性,这在以前的方法中被忽略以前,1、要么求解代数方程组;2、要么使用最小二乘法最小化损失函数。4秒初始化,误差5.3%文献中的方法,几乎可以在轨迹的任何点上在不到 4 秒的时间内初始化,平均尺度误差为 5.3%。此初始化已集成到 ORB-SLAM Visual-Inertial 中,以提高其鲁棒性翻译 2021-09-08 14:51:01 · 817 阅读 · 2 评论 -
DenseNet翻译:Densely Connected Convolutional Networks
论文地址:https://arxiv.org/pdf/1608.06993v5.pdf翻译 2021-06-01 13:01:13 · 566 阅读 · 0 评论 -
【ResNet笔记(1)】【ResNet翻译】Deep Residual Learning for Image Recognition
目的:更深的神经网络更难训练。我们提出了一种残差的学习框架,以简化对比以前使用的网络要深得多的网络的训练。方法:我们参考层输入明确地将层重新构造为学习残差函数,而不是学习未引用的函数。效果:我们提供的综合经验证据表明,这些残差网络更易于优化,并且可以通过深度增加而获得准确性。在ImageNet数据集上,我们评估深度最大为152层的残差网络-比VGG网络要深8倍[41],但复杂度仍然较低。这些残留网络的整体在ImageNettestset上实现3.57%的误差。翻译 2021-06-01 09:06:34 · 210 阅读 · 0 评论 -
【损失函数】Focal Loss for Dense Object Detection And RetinaNet
https://arxiv.org/pdf/1708.02002.pdfRetinaNet是继SSD和YOLO V2公布后,YOLO V3诞生前的一款目标检测模型,何恺明密集物体检测的焦点损失Abstracttwo-stage approach最高精度的对象检测器基于R-CNN推广的 two-stage approach其中将分类器应用于稀疏的候选对象位置集sparse set of candidate 稀疏的候选对象第一阶段生成卷积的候选对象位置,第二阶段使用卷积神经网络将每个候选位翻译 2021-05-07 15:03:30 · 204 阅读 · 0 评论 -
6月7日 PowerPoint 版本支持的媒体格式(跨office版本演示需要了解)
PowerPoint 版本格式音频2016Windows视频档案 (.asf),Windows 视频 (.avi),MP4视频 (.mp4, .m4v, .mov),电影 (.mpg or .mpeg),Adobe Flash (.swf),Windows媒体视频档案(.wmv)AIFF 音频 (.aiff),AU 音频 (.au),MIDI (.mid or .midi...原创 2019-06-07 17:02:32 · 409 阅读 · 0 评论 -
6月8日 论文书写——公式
1.1公式小计:写完论文用的word自带的公式插入工具。发现使用的字体不对Cambria Math,要全部修改。。。但是突然发现了个新东西:显示与内嵌(20190608增加标注:这个方法不好用!!!)建议使用高版本的office ,越高越好用!1.1.1 office 自带1.1.1.1 office 自带的插入1.1.1.2 墨迹公式1.1.1.3 网页版本的公式导入 htt...原创 2019-06-08 17:36:23 · 538 阅读 · 0 评论 -
【翻译】FisheyeMultiNet: Real-time Multi-task Learning Architecture for Surround-view Automated Parking
FisheyeMultiNet: Real-time Multi-task Learning Architecture for Surround-view Automated Parking SystemFisheyeMultiNet:用于环视自动泊车系统的实时多任务学习架构Abstract自动泊车是一种低速机动场景,其结构非常复杂且复杂,需要在车辆周围进行全方位360°近场传感。本文从基...翻译 2020-04-28 13:39:38 · 1279 阅读 · 0 评论 -
【语义分割】Pyramid Scene Parsing Network(PSNET)
https://arxiv.org/pdf/1612.01105.pdfAbstract本文通过所提出的:金字塔场景分析网络(pyramid scene parsing network PSPNet),对不同区域的语境进行聚合,使模型拥有了理解全局语境信息的能力。我们的全局信息可以有效地在场景分析任务中产生高质量的结果,PSPNet则为像素级预测提供了一个优越的框架。性能在2016年ImageNet场景分析挑战赛、Pascal VOC 2012数据集和Cityscapes数据集中排名翻译 2021-04-26 10:28:28 · 3320 阅读 · 0 评论 -
【YOLO家族】YOLO 9000 /YOLO V2
https://arxiv.org/pdf/1612.08242.pdf0 Abstract1、改进后的YOLOv2模型通过一种新颖的多尺度训练方法,相同的YOLOv2 可以在不同的尺寸下运行2、提出了一种联合训练目标检测和分类的方法,可以检测超过9000种对象类别联合训练允许YOLO9000预测没有标记检测数据的对象类的检测允许我们在检测和分类数据上训练目标检测器利用 labeled detection images学习精确定位目标利用classification image翻译 2021-04-23 14:00:12 · 636 阅读 · 0 评论 -
【YOLO家族】【论文翻译】YOLO v1 Unified, Real-Time Object Detection
https://arxiv.org/pdf/1506.02640.pdfAbstract之前的工作,在对象检测,二阶段法。我们将目标检测框架简化为对空间分隔的边界框(bounding boxes )和相关类概率(associated class probabilities)的回归问题。单个神经网络可以在一次评估中直接从完整图像中预测边界框和类概率。由于整个检测管道是单个网络,因此可以直接对检测性能进行端到端优化。它的性能优于其他检测方法,包括DPM和R-CNN1. Introduction翻译 2021-04-21 17:22:44 · 419 阅读 · 0 评论 -
【激光雷达3D(2)】【论文翻译】PointPillars: Fast Encoders for Object Detection from Point Clouds
https://arxiv.org/abs/1812.05784PointPillars:用于从点云进行对象检测的快速编码器概述In this paper we consider the problem of encoding a point cloud into a format appropriate for a downstream detection pipeline.本文考虑将点云编码为适合下游检测管道的格式的问题。两种编码器最近的文献表明,编码器有两种类型:固定编码器( fixe翻译 2021-04-20 17:25:29 · 1508 阅读 · 0 评论 -
论文索引平台EI,SCI
1、美国《工程索引》(EI)概况美国《工程索引》, 英文全称 , The Engineering Index。EI创刊于1884年,由美国工程信息公司创办, 是目前最全的工程信息二次文献数据库,是世界最著名的四大检索系统之一(EI、SCI、ISTP、ISR)。2000年Ei公司在Engineering Village 2平台上开发了新的Ei Compendex Web检索界面。Ei Compendex Web(《工程索引》数据库网络版,简称Ei)1.1 Ei数据库的基本情况Ei Compendex转载 2020-12-25 11:41:43 · 1803 阅读 · 0 评论 -
【激光雷达3D(1)】【论文翻译】Complex-YOLO: An Euler-Region-Proposal for Real-time 3D Object Detection on Point
YOLO复合体:关于Euler-Region-Proposal 点云上的实时3D对象检测翻译 2020-12-16 18:55:30 · 1513 阅读 · 1 评论 -
【论文】Realtime lane tracking of curved local road 检测和跟踪功能
但是,当仅检测当前车道的车道边界时,我们可以获得与其他算法(例如[?],[7])相同的结果,这些算法同时使用了检测和跟踪功能。[7] Zu Kim. Realtime lane tracking of curved local road. In Intelligent Transportation Systems, Proceedings of the IEEE, pages 1149–1155, Sept. 17-20, 2006....翻译 2020-06-15 17:29:30 · 505 阅读 · 1 评论 -
[翻译]A MAP BASED ON LASERSCANS WITHOUT GEOMETRIC INTERPRETATION
A MAP BASED ON LASERSCANS WITHOUT GEOMETRIC INTERPRETATION翻译 2020-06-02 09:59:26 · 383 阅读 · 0 评论 -
论文Real-Time Lane and Obstacle Detection on the global System
abstractGOLD (Generic Obsta- cle and Lane Detection) systemThe GOLD system addresses both lane detection and obstacle detection at the same time它既可以检测一般性障碍物(对对称性或形状没有限制),也可以检测结构化环境中的车道位置(带有涂漆的车道标记)。它已在PAPRICA系统上实现,工作频率为10 Hz1 IntroductionGOLD系统同时翻译 2020-05-25 15:40:14 · 625 阅读 · 0 评论 -
[翻译]Visual SLAM for Automated Driving Exploring the Applications of Deep Learning
Visual SLAM for Automated Driving Exploring the Applications of Deep Learning概述深度学习已成为对象检测和识别的标准模型。 最近,在将CNN模型用于几何视觉任务(例如深度估计,光学流预测或运动分割)方面取得了进展。但是,Visual SLAM仍然是自动驾驶的领域之一,在这种领域中,CNN在商业自动驾驶系统中的部署还不成熟。 在本文中,我们探讨了如何使用深度学习来代替经典的Visual SLAM管道的一部分。首先,我们描述由标翻译 2020-05-09 11:02:22 · 763 阅读 · 0 评论 -
[翻译]Real-Time Correlative Scan Matching
摘要扫描匹配Scan matching是registering注册两个激光扫描以确定其相对位置的问题,是移动机器人最依赖的工具之一。为了权衡计算性能,当前算法采用employ heuristics 启发式法以快速计算答案。当然,这些启发式方法是不完善的:现有方法可能产生较差的结果,尤其是在先验条件较弱的情况下。现代机器人可用的计算能力保证了这些质量与复杂性之间的权衡取舍。在本文中,我们提倡一...翻译 2020-05-03 11:20:22 · 1837 阅读 · 0 评论