![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
目标检测
文章平均质量分 88
it_lsr
今天没看见日落
也没看见你
展开
-
姿态估计openpose算法笔记
近期需要用到关键点检测和姿态估计的相关算法,进行了一下调研,着重记录一下openpose算法的一些要点; 关于openpose算法论文:https://arxiv.org/abs/1812.08008 有一篇写的非常好的博客记录了一些关键点,有兴趣的可以去参考。 以下记录几个点: 算法流程: 网络结构在经过VGG19网络的前10层得到特征图F,作为后续的输入,在stage1中,有两个分支,分支1负责预测关键点位置的热力图heatmap S,分支2负责预测关键点对之间关系的向量图vectormap L,原创 2021-08-20 11:35:40 · 2774 阅读 · 0 评论 -
目标检测SSD算法笔记
目标检测SSD算法笔记 看了论文,有几处疑惑,参考很多文章,发现大多写的差不多,现就曾经困扰的地方记录一下笔记。 明确几个概念:通过feature map cell(anchor)生成的矩形框称之为default box(ssd中为8732个);将这些default box与真实的目标框(ground truth)进行IOU匹配后得到的大于IOU阈值的矩形框称之为prior box; 通过prior box结合难例挖掘生成网络的正样本和负样本(1:3),正样本中有多个prior box对应同一个gt,而原创 2020-08-06 10:59:42 · 602 阅读 · 0 评论 -
YOLOv3算法笔记
本文为YOLOv3算法笔记,部分内容可能与SSD算法进行对比,如有错误或表达不当之处,欢迎指正。 1. YOLOv3的关键改进 新的网络结构: yolo3采用Darknet53作为检测的backbone,最关键的是引入了ResNet的残差块结构,有53层卷积的DarkNet因为identity避免梯度消失现象。 关于网络结构可以参考博文。 多尺度特征检测 不同于v2版本的passthrough层来检测不同大小的目标,v3更进一步的结合FPN的思想实现检测不同大小的目标。我们知道在浅层网络容易获得目标原创 2020-08-11 17:17:11 · 333 阅读 · 0 评论