- 博客(62)
- 收藏
- 关注
RSS订阅原创 MEGA 视频目标检测方法详解
2020 - CVPR -《Memory enhanced global-local aggregation for video object detection》视频目标检测方案详解
2024-07-16 09:37:48
985
原创 YOLOV++ 详解 | 网络结构、代码解析、YOLOV 论文阅读、初识 VID
感觉只是对于 ILSVRC2015_VID 数据集中的视频有效。挑了几个视频看了下，基本有以下特点：视频长度短、场景或背景变化小、大多是针对一个或多个目标拍摄的视频且目标通常比较大。
2024-07-02 14:24:39
674
1
原创 YOLOv10 超详细解析 | 网络结构、训练策略、论文解读
网络结构按 YOLOv10m 绘制，不同 scale 的模型在结构上略有不同，而不是像 YOLOv8 一样仅调整 depth 和 width。Head 有部分后续计算与 YOLOv8 完全相同，上图省略，具体请看。YOLOv10 整体的网络结构与 YOLOv8 相同，在一些细节模块上有所改进，查看具体的模块计算方式、优化策略跳转部分。
2024-06-09 10:04:59
4137
4
原创 YOLOv8 多种任务网络结构详细解析 | 目标检测、实例分割、人体关键点检测、图像分类
本文仅根据模型的预测过程，即从输入图像到输出结果（图像预处理、模型推理、后处理），来展现不同任务下的网络结构，OBB 任务暂不包含。
2024-06-01 13:10:01
1828
1
原创 从零开始 TensorRT（7）C++ 篇：解析 ONNX
但是反复检查代码感觉没有非法的内存访问，偶然对常用输入的 BatchSize 修改后发现代码能跑通，便做了如下测试。按理来说 optBatchSize 和校正时的 BatchSize 没什么关系，多半是 TensorRT 内部的 Bug。将读取 Numpy 文件的部分改为读取本地图像，并利用 OpenCV 对图像进行预处理，Int8 模式中的校正器部分代码也有所改动。文件，并在 C++ 部分直接读取 Numpy 文件中的数据用于推理和校正，避免了图片解码的相关代码。在 cookbook 中，
2024-03-07 12:50:33
915
1
原创 从零开始 TensorRT（6）C++ 篇：原生 API 构建网络
而在对示例进行简化时，有些难以确认 API 属于哪个导入的文件。日志记录器 Logger 在构建 TensorRT 部分是必不可少的，并且不像在 Python 中简单的使用。总而言之，感觉在 C++ 中似乎只能通过教程示例等来确定路径、文件、API 等的对应关系。的是头文件，头文件中一般只有声明，还需要包含实现的库文件。对应，C++ 和 Python 中使用的 API 大同小异，流程也基本一致，因此不再对。省略命名空间后，直接阅读代码更加难以得知 API 的归属。，需要导入的文件却有所不同。
2024-02-23 13:42:43
803
1
原创 从零开始 TensorRT（5）C++ 篇：g++、CMake、VS Code 环境入门
定义 SRC 变量, 其值为 file1.cpp file2.cpp。
2024-02-22 11:24:10
1080
原创 从零开始 TensorRT（4）命令行工具篇：trtexec 基本功能
学习资料：TensorRT 源码示例参考源码：cookbook → 07-Tool → trtexec在 TensorRT 的安装目录下有命令行工具 trtexec，主要功能：（1）由 ONNX 文件生成 TensorRT 引擎并序列化为 plan 文件（2）查看 ONNX 或 plan 文件的网络逐层信息（3）模型性能测试，即测试 TensorRT 引擎在随机输入或给定输入下的性能。
2024-02-04 14:10:58
2917
2
原创 从零开始 TensorRT（3）Python 篇：解析 ONNX、PyTorch TensorRT 接口
学习资料：TensorRT 源码示例。
2024-02-04 13:59:58
1444
原创 从零开始 TensorRT（2）Python 篇：原生 API 构建网络
学习资料：TensorRT 源码示例：示例中使用 TensorRT 的 API 搭建网络并进行推理，由于网络过于简单（只有一层且输入与输出相同），会存在如何实际搭建一个网络模型、搭建网络后如何加载参数等疑问。但作为第一个示例，主要的作用是熟悉构建网络和执行推理的流程，这部分代码比较模板化，会经常用到。：示例中会把一个 Pytorch 模型导出为 ONNX 格式，然后用 TensorRT 读取并生成引擎进行推理，这也是目前最常用的方法。
2024-02-04 13:50:27
1466
原创 YOLOv8-seg 分割代码详解（二）Train
本文主要以源码+注释为主，可以了解到YOLOv8从模型的输出到损失计算这个过程每个步骤的具体实现方法。
2023-11-14 10:13:02
2254
9
原创 YOLOv8-seg 分割代码详解（一）Predict
本文从 U-Net 入手熟悉分割的简单方法，再看 YOLOv8 的方法。主要梳理 YOLOv8 的网络结构，以及 Predict 过程的后处理方法。
2023-11-08 15:47:43
5364
7
原创 Python OpenCV 单目相机标定、坐标转换相关代码（包括鱼眼相机）
Python OpenCV 相机标定、世界坐标转像素坐标（包括未矫正图像和矫正图像）、像素坐标（矫正图像）转世界坐标、求解单应性矩阵、坐标单应性变换相关代码。
2022-12-01 14:39:09
12239
14
原创 TensorRT 学习（二）：Pytorch 模型转 TensorRT C++ 流程
选取MLP和LeNet两个简单的例子，学习Pytorch模型转C++的流程，以及相关TensorRT C++ API。
2022-11-15 14:47:40
783
原创 Python OpenCV 绘图
使用 Python OpenCV 绘图相关 API 学习笔记，补充一些官网教程中没有的细节，画个篮球场作为实例训练。
2022-07-09 15:02:42
1300
原创 C语言——汉诺塔问题（移动步骤、步骤数量、实现真正移动）
C语言解决汉诺塔问题，包含递归解题思路和代码实现、移动步骤数量计算、实现真正的汉诺塔移动。
2022-05-16 15:56:06
1906
原创 HPatches 数据集及特征点检测匹配评价指标解析
HPatches 数据集经常在特征点检测与匹配的论文中作为实验评估出现，记录一下数据集信息和相关的评价指标。
2022-01-06 15:49:05
8518
8
原创 Neighbourhood Consensus Networks（NIPS 2018）特征点检测与匹配论文笔记
NC-Net 是特征点检测与匹配的早期深度方法，许多论文有提及，直接看代码并结合论文记录一下方法。
2021-12-29 21:59:32
3227
1
原创 Patch2Pix（CVPR 2021）特征点检测与匹配论文精读笔记
（CVPR 2021）Patch2Pix: Epipolar-Guided Pixel-Level Correspondences深度学习特征点检测与匹配论文精读笔记
2021-12-22 23:32:51
11710
19
原创 ASLFeat（CVPR 2020）特征点检测论文笔记
1. 前言论文地址代码地址问题：（1）CNN 在提取特征的时候会忽略局部形状，而局部形状是增强几何不变性的关键（2）检测的关键点精度不够，主要针对 D2-Net原因：（1）传统方法会对特征点周围区域做缩放、旋转、仿射变换等等操作使得到的特征描述符具备局部形状信息（感觉就是为了在各种差异较大的状态下也能让描述符正确匹配），但是深度方法是检测和描述符同步获取的，套用传统思路不行，举了个 LF-Net 的例子是对中间特征图进行变换，总之没有什么好的现有方案。（2）用于检测的特征图分辨率低，并且怀疑
2021-11-24 16:31:36
3878
原创 D2-Net（CVPR 2019）特征点检测论文笔记
1. 前言论文地址代码地址 detect-then-describe：对应 sparse local features，首先通过检测器得到特征点，然后提取特征点周围的 patch 得到描述符。 缺点：差异大的图像对效果不好（昼夜、季节、弱纹理场景） 原因：描述符由较大的区域得到，而特征点由很小区域的低级信息得到（角点等），导致检测的结果不稳定。 作者表示，即使对应的特征点检测不到，但是描述符仍然可以成功匹配，所以放弃检测阶段，而是密集提取描述符，代价是匹配时间和内存消耗。 dete
2021-11-22 22:18:59
6462
2
原创 RANSAC-Flow: generic two-stage image alignment（ECCV 2020）图像对齐论文代码详细分析
1. 前言代码地址论文地址 图像对齐方法大致分为两类：（1）参数化方法（非像素级对齐） 通常做法是将一对图像输入网络，最后通过一个全连接层得到一个8维的特征向量，对应图像4个顶点的偏移量，从而得到一个单应性矩阵作为对齐变换，详情参考图像对齐深度学习算法调研。（2）非参数化方法（像素级对齐） 通常做法是将源图 IsI_sIs 和目标图 ItI_tIt 先提取特征得到 FsF_sFs 与 FtF_tFt，然后对两幅特征图计算特征相似度，从而得到特征匹配关系，最终得到像素级的对齐变换
2021-11-02 18:05:36
2619
19
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