weixin_42907473的博客

CV领域常用的注意力机制模块（SE、SAM、CAM、CBAM）一、SE模块（Squeeze-and-Excitation）更详细内容推荐博客：最后一届ImageNet冠军模型：SENetSENet网络的创新点：在于关注channel之间的关系，希望模型可以自动学习到不同channel特征的重要程度。1、SE结构能说一说么？一个SEblock的过程分为 Squeeze(压缩) 和 Excitation(激发) 两个步骤：Squeeze(压缩) 通过在Feature Map层上执行Global

论文链接：https://arxiv.org/pdf/1909.12605.pdf代码链接：https://github.com/Zhongdao/Towards-Realtime-MOT翻译链接：https://blog.csdn.net/weixin_42907473/article/details/104407606  该方法是基于YOLOv3和MOTDT做的。它网络前面都和YOLOv...

比赛已经结束，很荣幸能和队友一起拿到这个冠军奖杯，非常感谢队友的付出，写个总结，算是对这几个月付出的一个交代。一、简述比赛原因及队伍组成：这个比赛是我一个队友给我推荐的，当时也是看着感觉题目很有意思，所以就和他一起参加了。另一个队友，则是之前其他比赛认识的，最终组成了我们这个跨校三人小队。队名由来：我们的队伍名字是“学学没完”，这其实是我的账户名，前期是我一个人在做这个比赛因此这样取名，后来...

全文按照原文的结构来描述（你可以当做是翻译，但不是谷歌翻译，是加入理解的翻译），尽可能保持作者原文想表达的意思，里面会穿插自己的想法(会注明)。Abstract问题：视频流的爆炸增长带来了对高准确度和低成本计算的视频理解挑战。常规的2D CNN 在计算上是相对廉价的，但其无法捕获时间维度的关系。而基于3D CNN 的方法可以达到良好的效果性能，但计算量大，因此部署成本很大。解决方案：结...

搜到这个问题的你，相信也被这个问题困扰、浪费了很多时间说一下，我遇到的情况：xrandr 检测不到扩展屏，从nvidia官网下载了各种版本的驱动，装上都没用。经过几天的倒腾，直接说结论：如果要分屏就不要用nvidia官方提供的驱动（F**k nvidia !!!），直接用ubuntu系统设置-》软件与更新-》附加驱动里选一个第三方的驱动。这里可能会遇到没有驱动或者显示的驱动过老的情况，添加...

结论：下标访问最快，其次到C++11新特性方式，最慢的是迭代器访问贴代码：`#include #include <time.h>#include using namespace std;int main(){vector pri(10000,1);time_t begin,end;double ret=0;begin = clock();for(auto iter...

方法一、用open()的方法(open()返回一个文件对象，它是可迭代的)f = open('test.txt',’r‘) r表示文本文件，rb是二进制文件，默认r若文件不存在，则该函数会抛出一个IOError的错误，如下：>>> f = open('test.txt','r') Traceback (most recent call last): File "<stdin>", line 1, in <module>FileNotFoundEr

一、冒泡排序1、基础版def bubble_Sort(arr): n = len(arr) for i in range(n-1): for j in range(n-i-1): if arr[j] > arr[j+1]: arr[j], arr[j+1] = arr[j+1], arr[j]2、改进版加入Flag，若剩余的都已经是有序的则无需继续def super_bubble_Sort(arr):

一、Tree的结构class TreeNode: def __init__(self, x): self.val = x self.left = None self.right = None二、前序遍历根->左->右，前中后都是指的是根，左右的关系永远是先左后右1、递归方法这个是通用写法，对于中序和后序，仅需稍微调整一下（详情看后面）def preord_Recur(root): res = [] def he

1、NMS基础中的基础，直接放代码（有注释）import numpy as npdef NMS(dets, nms_th): #检测结果解析 x1 = dets[:, 0] y1 = dets[:, 1] x2 = dets[:, 2] y2 = dets[:, 3] scores = dets[: 4] #获得置信度从大到小的索引信息 order = scores.argsort()[::-1] #计算所有候选框的面积

1000瓶水和老鼠题目：现在有1000瓶水，里面有一瓶有毒，且老鼠喝了后24小时才毒发身亡，问若要求24小时内判断出哪瓶水有毒，最少需要多少只老鼠？答：这其实是一道编码问题，2^9 <1000<2^10，所以需要10只老鼠。这里举8瓶水里找毒药的例子， 8=2^3，所以需要三只老鼠；老鼠就代表了每个二进制位，1代表死亡，2代表没死000代表第0瓶水有毒（没有老鼠死亡）001代表第1瓶水有毒（代表只有一号老鼠喝了第1瓶水，且死亡）010代表第2瓶水有毒（代表只有二号老鼠喝了第2瓶水，且

比赛结束了，很荣幸拿到了中兴捧月算法大赛 MOT赛道 全国总决赛第二名的亚军奖杯，这估计也是我找到工作前最后一个比赛了，收获满满，下面算是自己给自己写的一个简单的赛后总结，做的比较粗糙，细节也就不多赘述，当然也欢迎交流。一、初赛初赛截榜前一周，我才开始做这个比赛，参赛模型是今年的SOTA模型FairMOT，主要针对跟踪部分做了一些针对性改进，当时也没想着能进复赛，只是想着拿个面笔试资格，哈哈，但是没想到进了复赛。初赛排名：Rank28。二、复赛复赛不是技术赛，而是面试，大概问了以下问题：先是问了关

pdf地址：https://github.com/TimeChi/MOT-paper-translation该仓库保存了目前的文章有：MOTDT：《REAL-TIME MULTIPLE PEOPLE TRACKING WITH DEEPLY LEARNED CANDIDATE SELECTION AND PERSON RE-IDENTIFICATION》DAN:《Deep Affinity Network for Multiple Object Tracking》JDE：《Towards Real

本文旨在收录一些写的不错的MOT相关博客多目标跟踪MOT16数据集和评价指标

模型参数量（Params）和模型每秒浮点运算速度（Flops）对卷积层而言Params量计算公式：(Kh∗Kw∗Cin)∗Cout(K_h*K_w*C_in )*C_out(Kh​∗Kw​∗Ci​n)∗Co​utFlops计算公式：(Kh∗Kw∗Cin∗Cout)∗(Hout∗Wout)(K_h*K_w*C_in*C_out )*(H_out*W_out)(Kh​∗Kw​∗Ci​n∗Co​u...

一、静态申明N*M的数组int n = 5;int m = 5;int a[n][m]；//内存连续二、动态声明N*M的数组与静态不同，动态申明的数组程序不会自己释放内存，必须手动释放，且内存未必连续（任意的p[k]都是一个int* 类型，即一个地址，所以只能p[i][j]或者 * （* （p+i) + j)来访问数组的元素，而不能a[i * n + j]使用。）1.1、动态申明一个...

如何理解深度学习分布式训练中的large batch size与learning rate的关系？

.本文核心思想：  本文提出的Tracktor仅通过一个目标检测器即可完成MOT任务。对于给定的帧t包含两个主要的处理步骤，如上图，用蓝色和红色表示。  首先（蓝色部分，对应轨迹bbox回归更新），将t-1帧已有的轨迹边界框作为第t帧该轨迹的起始边界框，进行回归对齐即可得到当前帧对应轨迹的bbox（这里的理论支持前提是高帧率视频下，前一帧和后一帧位置变化不大）。然后，将新bbox的位置相...

激活函数分类示意图**“饱和激活函数”**的存在的问题：1） 在接近饱和区时，变化太缓慢，导数趋于0，容易出现梯度消失。2） 反向传播求解误差梯度时，梯度趋于0，收敛速度慢。 **“非饱和激活函数”**的优势：1） 没有饱和区，抑制了“梯度消失”问题。（梯度消失问题的原因是多方面的，不仅仅是激活函数的锅）2） 收敛速度快3） ReLU会使一部分神经元输出为0，使网络更加稀...

论文地址：https://arxiv.org/pdf/1809.04427.pdf代码地址：https://github.com/longcw/MOTDT图片来源  本文整体框架和DeepSort很相似，不同之处在于扩大了关联候选者的范围，使卡尔曼滤波预测结果也作为候选者，为了统一度量检测框和预测框的置信度，前者采用了R-FCN结构，后者设计了轨迹置信度函数，分别得到检测框和预测框的置...