![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 92
青花科技
大吉大利,青花科技
展开
-
深度学习目标检测模型全面综述:Faster R-CNN、R-FCN和SSD
随着自动驾驶汽车、智能监控摄像头、面部识别以及大量对人有价值的应用出现,快速、精准的目标检测系统市场也日益蓬勃。这些系统除了可以对图像中的每个目标进行识别、分类以外,它们还可以通过在该目标周围绘制适当大小的边界框(bounding box)来对其进行定位。这让目标检测技术较传统计算机视觉处理技术——图像分类而言,难度上升了不少。然而,幸运的是,目前最成功的目标检测方法是对图像分类模型的扩展。几个月前,Google 为 Tensorflow 发布了一个新的目标检测 API。原创 2024-05-06 23:28:38 · 4631 阅读 · 39 评论 -
颠覆传统:机器人与AI大模型的结合,开启智能自动化的黄金时代!
任务级交互是一个机器人领域的术语,其重要性体现在机器人执行复杂任务的能力上。在定义上,任务级交互指的是机器人能够从接收具体任务指令到完成具体动作的全过程中的自主操作。这一过程涵盖了任务理解、任务分解、程序生成以及任务执行等多个环节,而且通常需要极少或没有人类的干预。模拟一个场景,机器人被要求到厨房取一杯水。在任务级交互的框架下,机器人首先需要理解“取一杯水”的任务意图,然后将这个任务细化成一系列具体的动作,如走到厨房、找到杯子、打开水龙头、装满水等。原创 2024-04-26 18:45:55 · 4407 阅读 · 18 评论 -
YOLO+CenterNet=小目标检测性能起飞!YOLC:简单高效的Anchor Free 目标检测框架
从空中图像中检测物体由于以下因素而面临重大挑战:空中图像通常具有非常大的尺寸,一般有数百万甚至数亿像素,而计算资源是有限的。小物体尺寸导致有效检测信息不足。不均匀的物体分布导致计算资源的浪费。为了解决这些问题,作者提出了YOLC(You Only Look Clusters),这是一个高效且有效的框架,建立在Anchor-Free点目标检测器CenterNet之上。为了克服大规模图像和不均匀物体分布带来的挑战,作者引入了一个局部尺度模块(LSM),该模块自适应搜索聚类区域进行放大以实现精确检测。原创 2024-04-25 17:47:14 · 19185 阅读 · 48 评论 -
【Machine Learning系列】带你快速学习十大机器学习算法
机器学习算法的学习是一个长期的过程,需要不断地练习和实践才能够掌握。通过坚持不懈地学习和实践,你才能快速掌握机器学习算法并应用于实际问题中。原创 2024-04-19 09:42:04 · 14040 阅读 · 78 评论