- 博客(5)
- 收藏
- 关注
RSS订阅原创 Anchor-free Multi-object Trackers（无锚框的多目标跟踪）
摘要：多目标跟踪Multiple Object Tracking (MOT)的目的是在事先不知道目标的外观和数量的情况下，对视频里的目标进行识别和跟踪，通常识别跟踪的对象为行人、车辆等。和目标检测不同，除了输出目标的检测框，目标跟踪还需要输出每个检测框的ID，以便于区分类内的物体。近些年来多目标跟踪领域SOTA的方法大多都是采用基于检测的跟踪算法，检测器的性能对跟踪的效果有着至关重要的作用。近一两年有几个先进的多目标跟踪算法都是使用2019年提出的一个anchor-free的目标检测算法CenterNet，
2021-08-29 20:07:02
759
原创 Docker容器及常用命令
文章目录Docker命令Docker服务相关命令Docker镜像相关命令Docker容器相关命令docker容器的数据卷数据卷的概念及作用配置数据卷配置数据卷容器DockerfileDocker镜像原理Dockerfile概念及作用Dockerfile关键字Docker服务编排服务编排概念Docker Compose概述容器和虚拟机的区别Docker是一种容器技术，它能解决软件跨环境迁移的问题https://www.bilibili.com/video/BV1CJ411T7BKDocker命令
2021-08-29 19:41:28
98
原创 实例分割&语义分割：A mini-survey
实例分割令人拍案称奇的Mask RCNN - 知乎 (zhihu.com)MS R-CNN：Mask Scoring R-CNN【实例分割论文】SOLOv2: Dynamic, Faster and Stronger基于检测框的实例分割目前主流做实例分割的方法大都基于目标检测，即：先跑目标检测，然后对于每一个方框跑一个二元图像分割（binary segmenation）Mask RCNNMask RCNN沿用了Faster RCNN的思想，将ROI Pooling操作改成了ROI Alig
2021-08-19 23:00:21
788
原创 李宏毅机器学习P24——semi-supervised learning半监督学习
首先初始化参数θ然后计算无标签数据的后验概率然后更新模型的参数θ这种方法相当直觉，没有很特别的理论解释这个方法理论上会收敛，但是初始值会影响结果原始的标注数据加上后面的无标签数据一次一次进行循环（solved iteratively）训练有标签数据得出一个model，然后使用这个model来跑无标签的数据得到一批Pseudo-label，再将无标签数据的一部分移除，加到有标签数据集里面（ppt有勘误），怎么选择这部分数据没有固定要求（还可以给这部分数据赋予权值）regre..
2020-10-23 16:20:37
522
原创 使用pytorch加载自己的数据集并搭建LeNet5网络进行训练
之前在学习pytorch入门知识的时候拿了师兄的一个数据集来练手，这篇文章记录一下训练的全过程。数据集格式使用pytorch加载数据集首先要清楚数据集的格式。我拿到的数据集是读取一个电子显示器上的数字的图片，这个显示器一次显示5个数字，事先已经对图片进行的预处理，将5个数字切割成单个的数字，切割的做法有利于简化问题，直接识别单个数字即可，只需要搭建一个简单的网络即可，就跟解决经典的mnist数字识别问题一样。不同的是加载数据集的方式有些差别。下图为数据集的图片样例：说一下图片的尺寸，图片的尺寸是24
2020-09-20 10:45:34
3047
1
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