qq_37692458的博客

导读：论文提出了新的少样本目标检测算法，创新点包括Attention-RPN、多关系检测器以及对比训练策略，另外还构建了包含1000类的少样本检测数据集FSOD，在FSOD上训练得到的论文模型能够直接迁移到新类别的检测中，不需要fine-tune。论文地址：https://arxiv.org/abs/1908.01998Introduction不同于正常的目标检测任务，few-show目标检测任务需要通过几张新目标类别的图片在测试集中找出所有对应的前景。为了处理好这个任务，论文主要有两.

分享一篇新出的论文End-to-end Lane Shape Prediction with Transformers，该文为车道线检测问题建立参数模型，使用Transformer捕获道路中细长车道线特征和全局特征，所发明的车道线检测算法与以往相比，可端到端训练、参数量更少、速度更快（高达420 fps，单1080Ti）。该文作者信息：Facebook的DETR目标检测算法，说明了Transformer用于计算机视觉的巨大潜力。该文的一大目标即是将Transformer用于车道线检测，将其.

按照网上教程走了一遍坑，先记录如下：环境配置：一、安装ImageMagick1、下载ImageMagick：ImageMagick-6.4.0.-0tar.gzhttp://downloads.jmagick.org/6.4.0/2、解压并安装ImageMagick：# tar xzvf ImageMagick-6.4.0-0.tar.gz# cd ImageMagick-6.4.0# ...