深度学习目标检测
文章平均质量分 91
深度学习目标检测论文笔记、代码
AI从入门到实践
苏州科技大学研究生在读
展开
-
Rail-5k:一个用于轨道表面缺陷检测的真实数据集
Rail-5k:一个用于轨道表面缺陷检测的真实数据集文章地址:https://arxiv.org/abs/2106.14366视频地址:https://www.bilibili.com/video/BV18V411p7AT摘要本文提出了Rail-5k数据集,用于对现实应用场景中视觉算法性能的基准测试,即轨道表面缺陷检测任务。我们从中国各地的铁路中收集了超过5000张高质量的图像,并在铁路专家的帮助下注释了1100张图像,以识别最常见的13种铁路缺陷类型。该数据集可以用于两种设置,两者都有独特的挑翻译 2021-10-26 23:52:32 · 8995 阅读 · 20 评论 -
『高性能模型』轻量级网络ShuffleNet_v1及v2
v1论文:ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devicesv2论文:ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design一、分组卷积Group convolution是将输入层的不同特征图进行分组,然后采用不同的卷积核再对各个组进行卷积,这样会降低卷积的计算量。因为 一般的卷积都是在所有的输入特征图上转载 2021-10-10 14:46:22 · 300 阅读 · 0 评论 -
ICCV2021 Oral SimROD:简单高效的数据增强!华为提出了一种简单的鲁棒目标检测自适应方法
ICCV2021 Oral SimROD:简单高效的数据增强! 华为提出了一种简单的鲁棒目标检测自适应方法本文提出了一种简单有效的鲁棒目标检测无监督自适应方法(SimROD)。为了克服域转移(domain shift)和伪标签噪声(pseudo-label noise)等问题,本文的方法集成了域中心增强方法(domain-centric augmentation method) 、渐进的自标签适应机制(gradual self-labeling adaptation procedure) 和教师指导的.转载 2021-10-06 08:34:51 · 484 阅读 · 0 评论 -
基于深度学习的行人多目标跟踪方法
文章目录基于深度学习的行人多目标跟踪方法0 引 言1 基于检测的跟踪基本概念2 行人多目标检测与跟踪2.1 目标检测2.1.1 基于 Faster R-CNN 的目标检测2.1 2 基于 SSD 的目标检测2.1 3 基于 YOLO 的目标检测2.1.4 其他检测器2.2 特征提取2.2.1 基于 CNN 的特征提取2.2.2 基于 Siamese 的特征提取2.2.3 基于 LSTM 的特征提取2.2.4 其他特征提取方法2.3 数据关联与跟踪2.3.1 匈牙利算法2.3.2 循环神经网络2.3.3 强化翻译 2021-09-30 21:33:02 · 4828 阅读 · 0 评论 -
2021深度学习目标检测综述
该篇文章参考叶舟的博客,然后自己做一些重点笔记,感兴趣的同学去看看他的。论文地址。目录2021深度学习目标检测综述0、摘要1、引言2、背景2.1、问题描述2.2、目标检测中的关键挑战3、数据集以及评价指标3.1、数据集1)` PASCAL VOC 07/12`2)`ILSVRC`3)`MS-COCO`4)`Open Image`5)数据倾斜/偏差问题3.2、指标4、backbone架构4.1、`AlexNet`4.2、`VGG`4.3、GoogleNet/Inception4.4、ResNet4.5、R翻译 2021-09-09 19:54:16 · 2362 阅读 · 1 评论