OpenMMLab实战营第四讲

最新推荐文章于 2024-08-27 14:56:29 发布

wine_dionysus

最新推荐文章于 2024-08-27 14:56:29 发布

阅读量60

点赞数

文章标签：计算机视觉深度学习人工智能

本文链接：https://blog.csdn.net/qq_37908544/article/details/128927428

版权

目标检测定义为在图像中定位并识别物体，常用方法包括滑动窗口和特征图滑窗。滑动窗口虽然直观但计算成本高，而特征图滑窗通过卷积优化了这一问题。该技术应用于人脸识别、智慧城市和自动驾驶等下游视觉任务。

摘要由CSDN通过智能技术生成

1 目标检测定义

给定一张图片，用矩形框框出所感兴趣物体，同时预测物体类别。

边界框
交并比
置信度
非极大值抑制
边界框回归
边界框编码
混淆矩阵
召回率和准确率
PR曲线

2 发展

2.1 滑动窗口

滑动窗口属于一种暴力搜索方法，优点是非常直观简单；缺点是当图片尺寸增大和类别增多时，搜索空间呈几何倍增长，对于目标检测算法来说具有不可接受的计算成本。

2.2 特征图滑窗

用卷积一次性计算所有特征，再取出对应位置的特征进行分类，这样无论窗口个数多少，重叠区域都只需要计算一次卷积特征即可。

3 应用

人脸识别
智慧城市
自动驾驶
下游视觉任务

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

wine_dionysus

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
OpenMMLab实战营第四讲

笔记
复制链接

扫一扫

OpenMMlab AI实战营第一期培训

weixin_52836217的博客

03-21

664

OpenMMlab AI实战营培训笔记，内容包括了计算机视觉领域常见的：图像分类，目标检测，语义分割的知识。

＜OpenMMLab实战营第一讲＞计算机视觉与OpenMMLab

m0_75161026的博客

02-02

338

第一次课up主子豪兄介绍了openmmlab，机器视觉与网络方面，为初学者入门做铺垫。提示：以下是本篇文章正文内容，下面案例可供参考框架名称应用目标检测，实例分割，全景分割3D检测7个数据集，17种算法，80+预训练模型识别检测40+预训练模型，主流数据集支持无人驾驶汽车，遥感，医疗420+预训练模型，30+论文复现人体姿态估计，体感游戏，健身应用，深蹲计数表现形式：形状/关键点视频目标检测，单目标检测，多目标检测6个数据集，8种算法，20+预训练模型行为识别，时序动作检测，时空。

参与评论您还未登录，请先登录后发表或查看评论

OpenMMLab 实战营打卡 - 第 4 课

gezongbo的博客

02-07

293

OpenMMLab 目标检测与MMDetection

目标检测与MMDetection——OpenMMLab实战营第四讲

jinglingsheshou的博客

02-07

242

目标检测算法基础

OpenMMLab实战营第五讲

qq_37908544的博客

02-08

笔记

OpenMMLab实战营第二讲

qq_37908544的博客

02-03

笔记

OpenMMLab 实战营打卡 - 第一课 计算机视觉算法基础与OpenMMLab介绍

qq_53589322的博客

02-02

1002

OpenMMLab AI实战营学习笔记（一）

计算机视觉之图像分类代码教学——OpenMMLab实战营第三讲

jinglingsheshou的博客

02-04

314

MMCls图像分类代码讲解

OpenMMLab 实战营打卡 - 第七课 MMSegmentation

qq_53589322的博客

02-11

786

OpenMMLabAI实战营第7课！语义分割是目标检测和图像分类的进阶工作，它在像素级别给图像内容做标注，把图片中不同的物体分割开。本次课程7 MMSegmentation 代码教学_哔哩哔哩_bilibili会带大家学习语义分割工具箱 MMSegmentation！MMSegmentation 可以在 Linux、Windows 和 MacOS 上运行。它需要 Python 3.6 以上，CUDA 9.2 以上和 PyTorch 1.3 以上。

OPenmmlab实战营学习笔记——（一）

weixin_51328489的博客

02-02

160

实战营第一课内容

OpenMMlab AI实战营第二期-学习心得

m0_55508602的博客

06-18

148

在进行实践营的过程中我一方面得紧追实践安排步伐，一方面还得应对现实中的组会等琐事，但幸运的是这段时间我们的组并没有什么幺蛾子，属于平静期，在这段难得的平静期我一步步的开始了实践，由于我之前跟着李沐老师的课学了一遍，所以以非小白的身份学习我们实践课程并没有感到特别的吃力，最复杂的调试配置环境我之前也折腾过因此也能比较快的解决环境问题，接着就是跟着老师们开始实践课程，第一门实践课是mmpose的实践，子豪兄的代码课做的特别的好，基本按照子豪兄的代码课走下来就可以把作业做完，我也是明白了整个代码实践的具体流程。

【七班】人体姿态估计概论笔记【OpenMMLab AI实战营第二期Day2】

chenghong1的专栏

06-02

193

【课程说明】人体姿态估计（Human Pose Estimation）是计算机理解人类动作、行为必不可少的一步，本次课程涵盖人体姿态估计的介绍与应用、2D 姿态估计、3D 姿态估计、DensePose、Body Mesh 以及 MMPose 等内容。【讲师介绍】卢策吾上海交通大学电院计算机系教授、博士生导师。【课程地址】【ToDo】本课作为概论性质的介绍，内容挺多，因此打算再分为两到三次笔记进行学习和总结，敬请期待！0. 人体姿态估计的介绍与应用什么是姿态估计？

【七班】MMPose代码实践与耳朵穴位数据集实战【OpenMMLab AI实战营第二期Day3+作业1】

chenghong1的专栏

06-05

489

但是Linux操作系统操作中是有问题的，!wget https://zihao-openmmlab.obs.cn-east-3.myhuaweicloud.com/20220716-mmclassification/dataset/SimHei.ttf -O /environment/miniconda3/lib/python3.7/site-packages/matplotlib/mpl-data/fonts/ttf/SimHei.ttf中，下载的文件似乎有问题无法生效，且下载路径不准确，

计算机视觉框架OpenMMLab（四）：目标检测基础

专注大数据与人工智能技术分享，欢迎私信加群互相学习！

02-07

2885

本系列第四篇文章主要介绍目标检测知识，介绍单阶段与双阶段算法发展，并学习目标检测模型，了解计算机视觉框架OpenMMLab的MMDetection工具基本原理及使用，为后续目标检测实战做铺垫。

[数据集][目标检测]电力场景输电线杆塔塔架金属锈蚀腐蚀生锈检测数据集VOC+YOLO格式1344张1类别

FL1623863129的博客

08-23

334

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：1344。标注数量(xml文件个数)：1344。标注数量(txt文件个数)：1344。标注类别名称:["rust"]使用标注工具：labelImg。rust 框数 = 3305。标注规则：对类别进行画矩形框。

YOLOv10：实时端到端目标检测

m0_47867638的博客

08-19

906

近年来，YOLO系列模型因其在计算成本与检测性能之间的有效平衡，在实时目标检测领域占据了主导地位。研究人员在YOLO的架构设计、优化目标、数据增强策略等方面进行了探索，并取得了显著进展。然而，YOLO在后处理阶段对非极大值抑制（NMS）的依赖阻碍了其端到端的部署，并对推理延迟产生了不利影响。此外，YOLO中各组件的设计缺乏全面和彻底的审查，导致明显的计算冗余，限制了模型的性能。这导致了次优的效率，并存在相当大的性能提升空间。在这项工作中，我们的目标是同时从后处理和模型架构两个方面进一步推动YOLO的性能与效

【目标检测】YOLOV3