目标检测
文章平均质量分 87
AIWalker-Happy
Happy专注于底层视觉处理,对基础AI技术保持学习心态
展开
-
起飞咯,DEYO | YOLOv8赋能DETR构建检测达成检测新标杆
DETR的训练范式在很大程度上取决于在ImageNet数据集上预训练其骨干。然而,由图像分类任务和一对一匹配策略提供的有限监督信号导致DETR的预训练不充分的颈部。此外,在训练的早期阶段匹配的不稳定性会导致DETR的优化目标不一致。为了解决这些问题,我们设计了一种创新的培训方法,称为分步培训。具体来说,在训练的第一阶段,我们采用一个经典的检测器,用一对多的匹配策略进行预训练,以初始化端到端检测器的主干和颈部。在训练的第二阶段,我们冻结了端到端检测器的主干和颈部,需要从头开始训练解码器。原创 2024-02-29 07:18:09 · 1046 阅读 · 0 评论 -
YOLO-NAS | YOLO新高度,引入NAS,出于YOLOv8而优于YOLOv8
受启发于YOLOv6、YOLOv7以及YOLOv8,DECI的研究人员采用AutoNAC搜索比YOLOv8更优的架构,即"We used machine learning to find a new deep learning architecture!为什么要用AutoNAC呢?这是因为手工寻找"正确"结构过于低效且乏味,因此DECI的研究人员采用AutoNAC搜索新的目标检测模型,同时最小化在NVIDIA T4上的推理延迟。为构建YOLO-NAS,作者构建了一个深不可测的搜索空间(1014。原创 2024-02-27 12:32:14 · 871 阅读 · 0 评论 -
YOLOv8重磅升级!新增旋转目标检测功能
YOLOv8重磅升级!新增旋转目标检测功能,基于DOTA数据集,支持15个类别目标航拍图像检测,模型&代码均已开源~原创 2024-02-25 11:11:35 · 544 阅读 · 0 评论 -
通用检测大模型 | 华科白翔团队提出以对象为中心的基础模型GLEE
本文首发:AIWalker后台回复【】即可下载原文与译文。。具体来说,。通过对来自不同基准的500多万张图像进行广泛的训练,GLEE表现出显着的多功能性和改进的泛化性能,有效地处理下游任务,而不需要特定于任务的适应。通过集成大量的自动标注数据,我们进一步增强了其零炮概化能力。此外,。我们希望,我们的方法的可靠性和普遍性将标志着一个重要的一步,有效的视觉基础模型的AGI系统的发展。模型和代码将在/上发布。原创 2024-02-25 10:28:31 · 750 阅读 · 0 评论 -
U版YOLO-World来了,YOLOv8再度升级,三行代码上手YOLO-World!
欢迎关注AIWalker,近距离接触底层视觉与基础AI。原创 2024-02-25 10:08:16 · 1919 阅读 · 4 评论 -
YOLOv9来了,可编程梯度信息与广义高效层聚合网络 助力全新检测SOTA前沿
YOLOv9来了原创 2024-02-25 10:06:42 · 1622 阅读 · 0 评论