- 博客(21)
- 收藏
- 关注
RSS订阅原创 StrongSORT
论文地址：https://arxiv.org/abs/2202.13514代码地址：未给出摘要现有的多目标跟踪 (MOT) 方法可以大致分为检测跟踪和联合检测关联范式。尽管后者引起了更多的关注，并显示出相对于前者的可比性能，但我们声称，就跟踪精度而言，跟踪检测范式仍然是最佳解决方案。在本文中，我们重新审视了经典的跟踪器DeepSORT，并从各个方面对其进行了升级，即检测，嵌入和关联。生成的跟踪器称为StrongSORT，在MOT17和MOT20上实现了新的HOTA和IDF1。我们还提出了两种轻量级和.
2022-03-14 21:21:22
19485
6
原创 opencv-光流法
import numpy as npimport cv2import syscap = cv2.VideoCapture("video2.mp4")feature_params = dict( maxCorners = 100,qualityLevel = 0.3,minDistance = 7,blockSize = 7 )lk_params = dict(winSize = (15,15),maxLevel = 2,criteria = (cv2.TERM_CRITERIA_EPS | c
2022-02-11 21:19:21
752
原创 CSTrack文章解读
CSTrack: Rethinking the competition between detection and ReID in Multi-Object Tracking精读笔记检测和ReID模型是存在不公平的过度竞争：在一阶段网络中，目标类别的置信度，目标尺度，id信息都来自于共享的Embedding，尽管这样可以提升效率，但是不同任务之间的内在差异被忽略了。不能同时兼顾检测和reid任务，检测要求在同类的不同目标之间拥有相似的语义信息，保证（类间）距离最大，而ReID则是保证类内间距最大，
2021-11-15 15:13:54
3502
原创 yolov5+deepsort跑通了，视频画面却没有结果
之前的代码还可以，但是换了个电脑之后，重新从github上下载代码，结果运行出来之后，视频没有结果，测试yolov5_deepsort的时候出现的错误。于是找呀找呀。终于找到了问题。在detecor.py文件中，加入 cudnn.benchmark = True 就可以了 if webcam: view_img = check_imshow() cudnn.benchmark = True # set True to speed up constant image
2021-09-09 19:53:18
4812
25
原创 Goole colab使用
Google colab应该是非常不错的选择，长期免费，褥资本主义羊毛，我们绝不手软2333，下面是一个非常简单的三步上手使用教程。1.配置它的配置大概是15g硬盘（Google drive的云空间）当然各种库文件是不算在内的，你可以把它理解成一个数据存储空间，内存大概是12gb左右，gpu目前有4种，p100，T4，P4，K80，内置tensorflow以及pytorch的完整库文件，如果想用其他深度学习库，一个pip就可以搞定，基本可以满足大部分项目或者比赛的使用体验。对于colab使用其实只需三
2021-07-12 13:48:14
337
原创 关于CV的一些资料总结，附链接
机器视觉中常用的数据测试集http://blog.csdn.net/maxiemei/article/details/17281767github上的计算机视觉学习资源http://blog.csdn.net/sinat_21595363/article/details/47783749常用图像数据集大全http://blog.csdn.net/tiandijun/article/details/44539387目标检测、跟踪、识别标准测试视频集和图像数据库http://blog.csdn.n
2021-05-13 09:40:18
317
原创 使用Aplayer制作视频播放器
C# 调用APlayerAPlayer介绍APlayer 媒体播放引擎是迅雷公司从 2009 年开始开发的通用音视频媒体文件播放内核。迅雷看看播放器和迅雷影音就是使用 APlayer 作为播放内核，目前迅雷看看播放器在PC播放器市场占有率排第一。APlayer特点：1、封闭式 DirectShow 架构，不受系统解码环境干扰2、全媒体文件格式支持3、丰富的媒体文件传输协议(http/https/ftp/mms/rtsp/rtmp/hls等)4、强大的附加功能(字幕、音轨、转码/转格式、画质增
2021-05-11 19:01:15
607
原创 目标检测综述
1.目前学术和工业界出现的目标检测算法分成3类：（1）传统的目标检测算法：Cascade + HOG/DPM[4] + Haar/SVM[5]以及上述方法的诸多改进、优化,这种检测器主要是利用图像中的边框特征(Haar特征)进行目标检测，通过多个弱分类器以级联加权的方式组合起来，最终形成一个强大的强分类器；（2）候选区域/框 + 深度学习分类：通过提取候选区域，并对相应区域进行以深度学习方法为主的分类的方案，如：R-CNN（Selective Search + CNN + SVM）[6]SPP-net（
2021-05-11 19:00:24
2162
原创 群体智能
群体智能1.概念：群体智能是指在集体层面表现的分散的，去中心化的自组织的行为。比如蚁群，封群构成的复杂的社会系统，鸟群，鱼群等群体智能不是简单的多个体的集合，而是超越个体行为的一种更高级表现，这种从个体行为到群体行为的演变过程往往极其复杂，以至于无法预测新一代人工智能发展规划 了四个方面的研究任务 ：群体智能激励机制与涌现机理群体智能的结构理论与组织方法群体智能通用计算范式与模型群体智能学习理论与方法蚂蚁寻食过程：每只蚂蚁只遵循两条基本的规则：寻找到食物的蚂蚁会在更高品质的路线
2021-05-11 18:59:25
2254
原创 零基础入门CV--街景字符识别（阿里天池学习赛）
零基础入门CV–街景字符识别（阿里天池学习赛）比赛链接传送门：零基础入门CV - 街景字符编码识别-天池大赛-阿里云天池1.简介该比赛以SVHN街道字符为赛题数据，数据集报名后可见并可下载，该数据来自收集的SVHN街道字符，并进行了匿名采样处理，详细的介绍见赛事官网 。首先看它们的数据组成以及特点，链接比赛里面的论坛的Task1-5是对这个比赛大致的讲解，大家可以先去看看。总的来说，train是3W张，val是1W张，test是4W张。里面都是数字，有1个，2个…6个数字组成，你要把它们识别出来，以
2021-04-28 16:06:45
940
原创 B站刘二大人的Pytorch神度学习第四讲反向传播课后作业
B站刘二大人的Pytorch神度学习第四讲反向传播课后作业import torchx_data = [1.0,2.0,3.0]y_data = [2.0,4.0,6.0]w_1 = torch.Tensor([1.0])w_2 = torch.Tensor([2.0])b = torch.Tensor([1.0])w_1.requires_grad = True # 计算梯度w_2.requires_grad = True b.requires_grad = True def
2021-04-19 09:50:15
513
1
原创 python中常见的内置函数
常见的内置函数1.数学相关的内置函数：abs:求绝对值divmod：求两个元素的商和余数 max：求最大值min：求最小值pow：求幂运算sum：用来求和round：四舍五入保留到指定位2.可迭代相关的内置函数all:将所有元素转换为布尔值，全是true，值就是trueany：只要有一个元素转换为布尔值是true，结果就是truesorted：用来排序3.转化相关的：bin：将数字转换为二进制Oct：将数字转换为八进制hex：将数字转换为16进制chr：将字符编码转
2021-01-22 15:52:07
534
1
原创 图像缩放之最近邻插值
最近邻插值#include<iostream>#include<stdio.h>#include<stdlib.h>#include<Windows.h>using namespace std;typedef unsigned short WORD;typedef unsigned long DWORD;#pragma pack(1)typedef structBMP_FILE_HEADER{ WORD bType; DWORD bS
2021-01-05 20:59:18
756
原创 斯坦福cs231n作业数据集下载
刚看到斯坦福的cs231n课程，看到有课后作业，于是就想试一试，作业网址https://cs231n.github.io/assignments2020/assignment1/#q1-k-nearest-neighbor-classifier-20-points作业1网址然后就下载，根据它的命令配置环境，到下载数据集的时候出了问题，于是就自己手动下载。现在附上网址https://www.cs.toronto.edu/~kriz/cifar.html下载就好了，放到自己配置的cs231n文件夹下。
2020-12-23 18:14:28
923
原创 神经网络训练时是否可以将全部参数初始化为0？
考虑全连接的深度神经网络， 同一层中的任意神经元都是同构的， 它们拥有相同的输入和输出， 如果再将参数全部初始化为同样的值， 那么无论前向传播还是反向传播的取值都是完全相同的。 学习过程将永远无法打破这种对称性， 最终同一网络层中的各个参数仍然是相同的。 因此， 我们需要随机地初始化神经网络参数的值， 以打破这种对称性。 简单来说， 我们可以初始化参数为取值范围的均匀分布， 其中.
2020-12-23 16:25:58
3131
1
原创 ReLU系列的激活函数相对于Sigmoid和Tanh激活函数的优点是什么？ 它们有什么局限性以及如何改进？
优点(1） 从计算的角度上， Sigmoid和Tanh激活函数均需要计算指数， 复杂度高， 而ReLU只需要一个阈值即可得到激活值。（2） ReLU的非饱和性可以有效地解决梯度消失的问题， 提供相对宽的激活边界。（3） ReLU的单侧抑制提供了网络的稀疏表达能力。局限性ReLU的局限性在于其训练过程中会导致神经元死亡的问题。 这是由于函数导致负梯度在经过该ReLU单元时被置为0， 且在之后也不被任何数据激活， 即流经该神经元的梯度永远为0， 不对任何数据产生响应。 在实际训练中， 如果学
2020-12-22 10:58:08
3517
2
原创 过拟合和欠拟合
过拟合(overfitting)和欠拟合(underfitting)是导致模型泛化能力不高的两种常见原因，都是模型学习能力与数据复杂度之间失配的结果。“欠拟合”常常在模型学习能力较弱，而数据复杂度较高的情况出现，此时模型由于学习能力不足，无法学习到数据集中的“一般规律”，因而导致泛化能力弱。产生原因训练集和测试集特征分布不一致 数据量太小 特征量太多 模型太过复杂解决方法：1.减少特征数量2.正则化3.增大样本训练规模4.简化模型5.交叉验证6.dropout欠拟合
2020-12-22 09:48:45
642
原创 C#制作扫雷游戏思路
首先我们在雷区上随机地放上雷，没有雷的地方被点击后就会显示一个数字表示它周围有几个雷，这是怎么实现的呢？我们可以把整个雷区看成一个二维数组a[i,j]，如雷区：11 12 13 14 15 16 17 1821 22 23 24 25 26 27 2831 32 33 34 35 36 37 3841 42 43 44 45 46 47 4851 52 53 54 5
2020-12-21 16:18:46
486
原创 pytorch下载
pytorch 官网https://pytorch.org/然后在Anaconda 下的conda输入命令下载。我这里的命令是conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch
2020-12-10 10:37:04
1411
原创 记录自己的学习记录
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2020-12-09 20:37:06
229
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