openmmlab(四)目标检测综述

最新推荐文章于 2024-06-16 12:00:21 发布
最新推荐文章于 2024-06-16 12:00:21 发布
阅读量169 收藏
点赞数
文章标签： 深度学习 计算机视觉 目标检测 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_61173425/article/details/128927465
版权

目标检测发展历史

bb1abe4f7a584ab582774a3afce8770e.png

 推理困难及改进思路

99d6c8cab78e418da819ade2354110a2.png

 目标检测常用词概念

fac658bd9fd24f9c8a0ad8b998b0901b.png

 任务损失的基本组成

7260c144dce341949a2ee352dacdb60b.png

 边界框编码

7e7002fd97824e68accb59c5ef2b10d3.png

二阶段算法

（一） Fast RCNN

299ca5cae8424a7aa6135285e9eea6b8.png

 （二）Faster RCNN

1a74b9156f7b42299fe375ba0e7bad34.png

多尺度检测

 (一）FPN

7392ae6f5e4f419fbe66130020afd25f.png

 （二）在Faster RCNN中应用FPN2e287bd05c75424aa313920937112fb6.png

 单阶段目标检测

（一）YOLOv3

40657bcb6d53443da04c3c17c6b73b66.png

 (二）RetinaNet

b332cbdf47594427a886ea896167b860.png

 (三）Focal loss解决样本不平衡问题

df15918dc1364a2d8f0611efc182db8f.png

 无锚框目标检测

（一）FCOS

44aec1b85dac484d868c1d4c9c9d8c77.png

 （二）CenterNet96419d3fd24a4946b1f10df686d96bfd.png

 模型评价

d6b9e42e111d48819dcdaa44bab224e8.png 98f6671f822d4dadaa31f97ad5404063.png

 772af0185bb64640baab93f6bf864034.png

 

Back550
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
无锚框（anchor-free）目标检测算法介绍
weixin_42108090的博客
08-24 7244
By detecting objects as paired keypoints, we eliminate the need for designing a set of anchor boxes commonly used in prior single-stage detectors.      ---- CornerNet :Detecting Objects as Paired keypoints We hypothesize two reasons why detecting co.
MMLab
weixin_46587777的博客
05-03 7760
MMLab MMLab的主要研究方向： 机器学习、强化学习、半监督/弱监督/自监督学习等方向的前沿方法和理论 长视频理解、3D视觉、生成模型等的计算机视觉新兴方向 物体检测、动作识别等核心方向的性能突破 深度学习的创新应用探索，以及与医疗、社会科学、艺术创作等领域的交叉创新 深度学习时代，算法与计算、系统框架、以及计算机体系结构的结合创新 ......
mmdetection 商汤开源库 FasterRCNN 训练自己的数据集 VOC2007, 結果可視化 2019
史蒂夫方
08-11 6137
目前為止玩过了兩個目标检测库 一個是陈云大神的simple-faster-rcnn 一个就是商汤科技的mmdetection 这篇主要讲一下商汤的 mmdetection 如何训练自己的数据集 个人认为必须要养成看官方文档的习惯， 尤其开始学习一个新的库的时候 步骤将分为 安装库 配置数据集 调整训练文件 结果可视化 数据集格式： VOC2007为主 第一步 安装mmdetection ...
无锚框（anchor-free）系列的目标检测算法之CenterNet：Keypoint Triplets for Object Detection
qq_39273781的博客
07-25 3463
简介 上一篇介绍了另一个CenterNet：Objects as Points，今天来给大家介绍下由中科院和华为诺亚方舟实验室出品的一篇文章CenterNet：Keypoint Triplets for Object Detection，进入正题： 文章链接：https://arxiv.org/abs/1904.08189 作者：Kaiwen Duan 单位：中科院、华为诺亚方舟实验室 代码地址：...
论文推荐：ICCV 无需锚框的目标检测
D109的博客
04-07 581
目标检测是计算机视觉中的一个重要任务，它可以帮助机器人在复杂的环境中识别和定位不同的物体。传统的目标检测方法通常需要使用锚框（anchor box）来预设物体的形状和尺寸，然后根据锚框来预测物体的类别和位置。但是，锚框的设置往往是人为的，而且难以适应不同大小和比例的物体，导致目标检测的效果受到限制。更详细的解读可以看这篇链接：https://www.toutiao.com/article/7218030577457824256/为了解决这个问题，本文推荐一篇发表在ICCV的无需锚框的目标检测论文，
无锚框原理 TOOD：Task-aligned One-stage Object Detection
shengweiit的博客
08-07 1493
一阶段目标检测通常通过优化两个子任务来实现：对象分类和定位，使用具有两个平行分支的头部，这可能导致两个任务之间预测的空间对齐程度不一致。提出了一种“任务对齐一阶段目标检测”方法，以学习方式明确地对齐这两个任务。首先设计了一种新颖的任务对齐头（T-head），它在学习任务交互和任务特定特征之间提供了更好的平衡，也更灵活地通过任务对齐预测器学习对齐。其次，我们提出了任务对齐学习（TAL），通过设计的样本分配方案和任务对齐损失，在训练过程中明确地拉近（甚至统一）两个任务的最优锚点。具有更少的参数和FLOPs。
目标检测算法的分类和优缺点
热门推荐
dlyyds_的博客
03-01 1万+
前言 随着今年来科学技术的发展，尤其是人工智能和大数据技术的不断发展，不断应用于生活中的各个领域，给人们的生活带来方便和便利，深度学习这门技术也是越来越重要，目标检测也是深度学习的一个应用领域，本文主要介绍目标检测任务和发展脉络。 一、基于深层神经网络的目标检测 现阶段目标检测算法存在两类分类标准：1)是否存在候选区；2)是否存在先验框。 按照是否存在候选区分类...
OpenMMLAB实战系列视频教程
09-13
分享课程----MMLAB实战系列视频教程，完整版附源码。MMLAB最大最全的开源视觉代码库合集！深度学习时代最完整的计算机视觉开源算法体系！
OpenMMLab 开源体系揭秘.pdf
02-27
在目标检测领域，OpenMMLab 提供了一个完整的检测器架构，包括单阶段检测器、双阶段检测器、级联检测器、无锚点检测器等，涵盖了多种检测算法，包括 Faster R-CNN, SSD, YOLOv1, RetinaNet, Mask R-CNN, Cascade R-...
通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述
11-27
通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述通用视觉框架OpenMMlab课程01计算机视觉与OpenMMLab概述通用视觉框架OpenMMlab课程01计算机视觉与Open...
MMDetection： Open MMLab Detection Toolbox and Benchmark.pdf
01-29
目标检测开源库MMdetection论文：MMDetection： Open MMLab Detection Toolbox and Benchmark
MMDetection 是一个基于 PyTorch 的目标检测开源工具箱 它是 OpenMMLab 项目的一部分
05-29
基于 PyTorch 和 MMCV 的通用目标检测平台。支撑了 3D 目标检测、旋转框检测、场景文字识别、姿态估计、目标跟踪等算法库中检测算法的实现；支持 2D 目标检测、实例分割、全景分割任务；支持算法多样，涵盖了单阶段...
Python深度学习：Bi-LSTM和LSTM在网络上有什么区别，对比来看
惊鸿若梦一书生
06-12 148
Python深度学习：Bi-LSTM和LSTM在网络上有什么区别，对比来看
【深度学习】解析Vision Transformer (ViT): 从基础到实现与训练
最新发布
q742971636的博客
06-16 375
定义ViT模型并将其移动到GPU上。# VisionTransformer定义（使用上面的定义）# 损失函数和优化器# 如果有多个GPU，使用DataParallel这段代码展示了如何使用PyTorch在GPU上训练Vision Transformer模型。包括数据加载、模型定义、训练和评估步骤。请根据你的实际需求调整批量大小、学习率和训练轮数等参数。
【机器学习】基于卷积LSTM的视频预测
MUKAMO的博客
06-10 1024
本文介绍了LSTM及其在视频预测中的应用。LSTM通过门控机制解决了RNN的梯度问题，并在视频预测中展现出优势，如捕捉时空特征和处理复杂模式。文章详细描述了LSTM视频预测的过程，包括数据预处理、模型构建、训练和可视化。通过Python代码和GIF动画，展示了模型性能。本文为理解LSTM和视频预测技术提供了深入指导和实用信息，使读者能利用LSTM进行有效视频预测。
循环神经网络RNN
xiaoxu的博客
06-12 1033
RNN是针对序列数据而生的神经网络结构，核心在于循环使用网络层参数，避免时间步增大带来的参数激增，并引入**隐藏状态（Hidden State）**用于记录历史信息，有效的处理数据的前后关联性。
【深度学习】TCN，An Empirical Evaluation of Generic Convolutional【一】
q742971636的博客
06-16 515
对于大多数深度学习从业者来说，序列建模几乎是循环网络的同义词。然而，最近的研究结果表明，在音频合成和机器翻译等任务上，卷积架构可以超越循环网络。面对新的序列建模任务或数据集时，应该选择哪种架构呢？我们对通用的卷积和循环架构进行了系统评估。模型在一系列常用于基准测试循环网络的标准任务上进行了评估。我们的结果表明，简单的卷积架构在多种任务和数据集上优于经典的循环网络（如LSTMs），并表现出更长的有效记忆。我们得出结论，序列建模与循环网络的常见关联应重新考虑，卷积网络应被视为序列建模任务的自然起点。
【深度学习】AI换脸，EasyPhoto: Your Personal AI Photo Generator【一】
q742971636的博客
06-11 1177
稳定扩散Web UI（Stable Diffusion Web UI，简称SD-WebUI）是一个综合项目，它基于Gradio库为稳定扩散模型提供了一个浏览器界面。本文提出了一款新颖的WebUI插件——EasyPhoto，旨在实现AI人像生成。通过使用5到20张相关图片对特定用户ID的数字替身进行训练，根据训练得到的LoRA模型进行微调后，该模型能够利用任意模板生成AI照片。当前实现支持多人的修改及不同照片风格的应用。
openmmlab 教程
12-26
openmmlab是一个开源的多媒体实验室，提供了丰富的计算机视觉和多媒体处理的工具和教程。在openmmlab教程中，我们可以学习到如何使用现代的深度学习框架来解决计算机视觉和多媒体处理的问题。教程内容涵盖了图像识别...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值