![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 77
小名王能全
多思考
展开
-
使用Yolov5-v5.0 + Yolov5_DeepSort-v2.0跟踪行人
Yolov5-v5.0 + Yolov5_DeepSort-v2.0原创 2021-12-18 19:42:45 · 1484 阅读 · 3 评论 -
HRNet
HRNet目前主流多尺度特征提取一般是将高分辨率特征图下采样至低分辨率,再将低分辨率特征图经上采样恢复至高分辨率。主流网络结构图如下所示:在下采样和上采样过程中对应的相同尺度特征图通过虚线进行连接,旨在融合低级和高级的特征。在级联金字塔中,结合了通过卷积处理的低级和高级特征。在特征提取过程中,下采样是为了产生低分辨率特征图,提取高级语义信息;上采样恢复过程是为了得到高分辨的表示。在最终的高分辨率特征图的热图中计算目标的关键点。HRNet不同,在整个特征提取过程中,始终保持特征图的高分辨率,希望在整个原创 2021-12-04 17:12:40 · 4974 阅读 · 0 评论 -
图像的卷积操作、感受野、特征图大小计算
图像的卷积操作正常的卷积操作 对于图像矩阵来说,卷积操作就是一个固定大小(比如3*3)的滑动窗口,在图像上滑过,每次滑过的地方做逐像素的点乘操作。如下图所示: 卷积操作有四个参数,分别是卷积核的大小F*F,卷积核的个数K, 卷积核滑动时的跳步(stride)S,以及对原图/特征图边缘进行0填充的个数P。 其中,F、S、P决定了卷积运算之后特征图的大小,K决定了输出特征图的维度。 paddimg的方式有“valid”和“same”两种,valid就是不填充,把卷积不到的地方..原创 2021-12-03 21:08:55 · 3437 阅读 · 0 评论