- 博客(8)
- 收藏
- 关注
RSS订阅原创 目标检测中的多尺度检测方法
我们可以将ImageNet的分类任务看做224×224的尺度，而COCO中的物体尺度大部分在几十像素的范围内，并且包含大量小物体，物体尺度差距更大，因此两者的样本差距太大，会导致映射迁移（Domain Shift）的误差。传统的解决多尺度检测的算法，大都依赖于图像金字塔与特征金字塔。（2）由于3个分支要检测的内容是相同的、要学习的特征也是相同的，只不过是形成了不同的感受野来检测不同尺度的物体，因此，3个分支共享权重，这样既充分利用了样本信息，学习到更本质的目标检测信息，也减少了参数量与过拟合的风险。
2023-10-20 16:41:14
148
原创 多尺度目标检测
在这“由浅至深”的特征提取过程中，浅层特征具有较高的分辨率，可以携带丰富的几何细节信息，但感受野很小且缺乏语义信息，与之相反的是，深层特征具备较大的感受野以及丰富的语义信息，但分辨率不高，难以携带几何细节信息。综上所述，FPN在标准卷积神经网络“由下至上”的数据流向基础上，通过横向连接的方式补充了“由上至下”的数据流向，这一结构可有效的丰富底层特征图中包含的语义信息，且FPN结构的金字塔是由Conv2开始计算，使底层几何细节信息特别丰富，尤其是小目标的位置信息，对小目标的召回率的提高有很大的帮助。
2023-10-20 16:23:23
108
原创 视频目标检测(video object detection)简单综述
详细分析：https://blog.csdn.net/breeze_blows/article/details/104533004。先提取出帧的feature和用FlowNet提取出帧间的光流信息，完成pixel-level的calibration，接着通过预测出来的instance的movement，其实就是R-FCN得到的proposal，进行instance-level的calibration，最后融合pixel-level和instance-level得到的feature用于训练和测试。
2023-10-08 10:02:04
786
原创 人工智能“边界线” -- 算法与算力
因此，在传统的逻辑计算体系下，芯片的计算能力对算力的提升起到了决定性作用，而软件算法的优化作用处于相对次要的位置。当然AI芯片根据其特定的应用场景也分为多种，但相比之前的逻辑计算，此时发生的一个变化是，芯片和算法的关系逐步走向相互定制和融合。即在芯片设计之初就要考虑在其上主要跑（运行）什么样的算法，而软件算法的设计也会根据芯片的基础架构进行相应的优化升级。芯片和算法并不是独立或者对立的两个个体。这 需要既懂算法，也懂计算架构的开发人员，而往往这是两种不同领域的人，分布在不同的公司，沟通整合需要一定的成本。
2023-07-19 17:20:22
216
原创 计算科学发展简史 -- 信息与计算科学
在数学发展史上，计算与逻辑都是不可或缺的数学方法。希腊人更注重逻辑推理，而中国传统数学的特点是数形结合，以算为主，使用算器。如果把电子计算机看作对应于算筹的硬件，那么中国古代的算术可以看作软件思想，可以比作计算的程序设计。中国古代数学著作中的“术”，都是一套描述程序化算法的程序语言。计算是一幅纵贯千年历史的画卷。在中华民族的光辉文明史上，有着璀璨夺目的篇章。......
2022-08-17 11:44:08
3410
1
原创 工业缺陷检测工程实践综述
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
2021-12-14 14:36:01
1018
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人