![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CV
文章平均质量分 59
MingSun95
这个作者很懒,什么都没留下…
展开
-
AM-LFS: AutoML for Loss Function Search论文解读
一、研究动机该文章是五月份商汤科技与悉尼大学联合发布在arxiv上的文章,用自动机器学习来获取视觉任务中的最佳损失函数。众所周知,一个有效的损失函数在视觉任务中起了关键作用,然而现在大部分的损失函数都是人为设定,不仅耗时而且一般只能获得次优解。为了缓解上述问题,AM-LFS在训练阶段利用了强化的思想来自动搜索合适的损失函数的超参数,同时又设计了一个搜索空间能够适应于不同的视觉任务,将不同任务的...原创 2019-06-19 23:02:57 · 1375 阅读 · 0 评论 -
HRNet:基于高清表示网络的人体姿势估计
一、研究动机人体姿势估计问题中关键点检测是其关键的一步,本研究主要针对该步骤进行优化。深度神经网络的特征抽取使得特征图不断缩减,而优化的突破口在于想获得一个具有高清表示信息的特征来提升关键点检测的精度。已有方法的关注重点在于高清信息的恢复,恢复方式包括三种:沙漏型对称网络结构、反卷积和空洞卷积。这些方法都是在下采样的基础上进行恢复,其精度不理想。HRNet采用在下采样的过程中不断加入并行的子网络...原创 2019-05-10 14:45:43 · 2511 阅读 · 1 评论 -
Dynamic Zoom-in Network 论文笔记
最最最喜欢的目标检测预处理思想,没有之一!!!1.研究动机(1)高清图像中小物体目标检测的特征丢失严重,想针对小物体的图片区域进行放大(zoom-in)也就是单独切割出来(crop)丢进目标检测器中进行探测。(2)为了避免过分切割(不将大目标也切碎)。于是利用DQN(deep Q learning)的思想进行最有切割策略的选择。2.基本概念Action:在该任务中动作是指将图片某个矩...原创 2019-04-16 10:36:53 · 828 阅读 · 5 评论 -
benchmark mask训练自己的COCO数据集
1.COCO 数据集制作采用VIA标注polygon导出相应的.csv数据。注意:sgmentation是[[x0,y0,x1,y1,x2,y2,x3,y3,x4,y4]]遇到的坑:”annotations“字段的"segmentation"是一个二维度的数组(大概是考虑到某个实例由不相连的好几个部分组成)#!/usr/bin/env python3import datetimeimp...原创 2019-03-21 15:37:27 · 1974 阅读 · 0 评论 -
已知经纬高求其在无人机图像中的像素点坐标
背景:已知无人机拍摄时刻的经纬高(WGS84坐标系)以及物点的经纬高,求解该物点在图像中的像素点位置 三种像空间坐标系定义:①德国汉诺威大学(Hannover)定义的像平面坐标系BLUH:原点位于像片几何中心,x轴与像素纵坐标v轴平行反向,y轴与像素横坐标u轴平行反向,z轴垂直于x和y轴并且满足右手法则;②德国斯图加特大学(Stuttgart)定义的像平面坐标系PATB:原点位于像片几何中...原创 2019-03-19 11:25:03 · 6144 阅读 · 16 评论 -
YOLOv3 训练自己的数据集
1.VOC数据集准备使用ImageLab软件数据标注产生与图片对应的.xml Annotations存放xml文件,JPEGImages存放原图,labels存放annotation对应的txt文件, deal.xml对xml文件修改(folder,filname,path,object的name),list.py划分train和val数据集产生train_0708.txt和val_0...原创 2018-07-19 10:29:03 · 1469 阅读 · 1 评论 -
马毅教授讲座——反思深度学习:回归计算机视觉的挑战
7月3日,清华伯克利深圳学院暑期课程开课,邀请到加州大学伯克利分校电子工程与计算机系, ACM、IEEE Fellow,马毅教授为大家展开为期两周的《压缩感知和稀疏模型》的课程。 开课的第一天,马毅教授以计算机视觉为出发点,强调了稀疏模型和深度模型所共同面临的挑战:高维数据的信息提取。随后从稀疏模型角度简要阐述了解决该问题的本质和方法,及其应用。得出了深度学习模型与稀疏模型殊途同归的结论,解释了...原创 2018-07-03 19:49:08 · 1648 阅读 · 0 评论 -
图像特征提取
1.SIFT+BOW提取每个图片的前k个sift特征点,将所有图片的sift进行k-means聚类,得到n个聚类中心,再将每个图的k个特征点所属相应聚类中心进行直方图统计得到一个n维的图片特征描述。import cv2 import numpy as npfrom PIL import Image import osimport pandas as pdfrom sklearn...原创 2018-05-22 16:55:48 · 1094 阅读 · 0 评论 -
MVE搭建和使用
1.安装其余依赖库: libjpeg (for MVE, http://www.ijg.org/) libpng (for MVE, http://www.libpng.org/pub/png/libpng.html) libtiff (for MVE, http://www.libtiff.org/) OpenGL (for libogl in MVE a...原创 2018-03-25 16:20:13 · 5806 阅读 · 0 评论 -
Pointin,Boxout: Beyond Counting Persons in Crowds 论文解读
一、研究动机现有的人群计数方法主要有两种:基于密度回归估计的方法和基于探测的方法,前者尽管有显著的改进,但基于回归的方法无法提供人群中的个体检测,而后者需要提供耗费人力的矩形框标注信息。因此,我们想绕过昂贵的矩形框标注成本,只利用点的监督信息来产生计数和探测的结果(也就是只依据点信息还需额外估计尺寸大小)。然而这种仅仅由位置监督信息获取尺寸的方法是基于人群分布密集和透视成像规律的,此规律有两个...原创 2019-06-18 11:15:52 · 1382 阅读 · 1 评论