可视化
普通网友
这个作者很懒,什么都没留下…
展开
-
IoU、GIoU、DIoU、CIoU损失函数
IoU、GIoU、DIoU、CIoU损失函数目标检测任务的损失函数由ClassificitionLoss和Bounding Box Regeression Loss两部分构成。目标检测任务中近几年来Bounding Box Regression Loss Function的演进过程,其演进路线是一、IOU(Intersection over Union)特性(优点)IoU就是我们所说的交并比,是目标检测中最常用的指标,在anchor-based的方法。作用不仅用来确定正样本和负样本,还可以用原创 2020-05-31 16:03:39 · 4443 阅读 · 0 评论 -
单目视觉里程计性能估计
单目视觉里程计性能估计D3VO: Deep Depth, Deep Pose and Deep Uncertaintyfor Monocular VisualOdometry论文地址:https://arxiv.org/pdf/2003.01060.pdf摘要CVPR2020一篇关于视觉里程计和深度估计结合的文章,一作是很多人熟悉的杨楠大佬。这篇文章也是继DVSO又一篇DSO与深度估计结合的文章。提出D3VO作为单目视觉里程计的新框架,该框架利用网络在三个层面的信息–深度,位姿和不确定性估计。首原创 2020-05-30 07:21:25 · 737 阅读 · 0 评论 -
TensorRT 加速性能分析
TensorRT 加速性能分析Out-of-the-box GPU Performance模型推理性能是什么意思?在为用户评估潜在的候选项时,不测量数据库查询和预筛选(例如决策树或手动逻辑)的贡献。使用估计器对特征列进行预处理,并通过网络复制输入/结果。有两个主要推理上下文:离线推理-一次预先计算多个用户的概率在线推理-为特定用户实时推荐因此,可能有兴趣优化三个指标:吞吐量,例如用户/秒(离线)单次推理延迟(在线)满足设置的延迟约束时的吞吐量在使用TensorFlow的stock实现时的原创 2020-05-28 18:27:16 · 2034 阅读 · 0 评论 -
GPU加速:宽深度推理
GPU加速:宽深度推理Accelerating Wide & Deep Recommender Inference on GPUs推荐系统推动了许多最流行的在线平台的参与。随着为这些系统提供动力的数据量的快速增长,数据科学家正越来越多地从更传统的机器学习方法转向高度表达的深度学习模型,以提高其建议的质量。Google的广度和深度架构已经成为解决这些问题的一种流行的模型选择,既有其对信号稀疏性的鲁棒性,也有其通过DNN线性组合分类器API在TensorFlow中的用户友好实现。虽然这些深度学习模型原创 2020-05-28 17:13:04 · 362 阅读 · 0 评论 -
NVIDIA TensorRT:可编程推理加速器
NVIDIA TensorRT:可编程推理加速器一.概述NVIDIA TensorRT™是一个用于高性能深度学习推理的SDK。它包括一个深度学习推理优化器和运行时间,为深度学习推理应用程序提供低延迟和高吞吐量。在推理过程中,基于TensorRT的应用程序执行速度比仅限CPU的平台快40倍。使用TensorRT,可以优化在所有主要框架中训练的神经网络模型,以高精度校准较低精度,最后部署到高规模数据中心、嵌入式或汽车产品平台。TensorRT建立在NVIDIA的并行编程模型CUDA的基础上,使能够利用C原创 2020-05-28 16:22:11 · 356 阅读 · 0 评论 -
RGB-D相机视觉SLAM
RGB-D相机视觉SLAMDense Visual SLAM for RGB-D Cameras开源代码地址: vision.in.tum.de/data/software/dvo摘要本文提出了一种用于RGB-D相机的稠密视觉SLAM方法,该方法可以使所有像素上的光度误差和深度误差最小化。与稀疏的、基于特征的方法相比,能够更好地利用图像数据中的可用信息,从而提高姿态精度。提出了一种基于熵的相似性度量方法,用于关键帧选择和环路闭合检测。从所有成功的匹配中,构建了一个使用g2o框架进行优化的图。在公开原创 2020-05-25 12:15:49 · 831 阅读 · 0 评论 -
Visual SLAM
Visual SLAM追求直接SLAM技术,而不是使用关键点,直接操作图像强度的跟踪和映射。作为直接方法,LSD-SLAM使用图像中的所有信息,包括边缘,而基于关键点的方法只能在拐角处使用小块。这将导致在纹理稀疏的环境(如室内)中获得更高的精度和更强的鲁棒性,以及更密集的三维重建。此外,由于提出的piselwise深度滤波器包含许多小基线立体比较,而不是只有很少的大基线帧,因此离群值要少得多。单目和立体相机的直接SLAMLSD-SLAM是单目和立体相机的直接SLAM技术。使用直接图像对齐来跟踪相机原创 2020-05-25 10:52:26 · 371 阅读 · 0 评论 -
车载智能HUD
车载智能HUD从HUD 到行车记录仪再到后视镜,最近有不少团队都发布了自己的车载智能硬件。什么是 HUD?HUD 全称抬头数字显示仪 (Heads Up Display),又叫平视显示系统,简称HUD。可以把重要的信息,映射在玻璃上,使驾驶员不必低头就能看清重要的信息,最早出现在军用战斗机。目前,一些高端豪华汽车上已经出现 HUD,也有一批后装的硬件厂商开始相关研发。HUD的三种主流方案AIoT成熟且性价比超高的蓝牙语音模组方案,搭配100+模块功能的语音助理APP,快速赋能硬件智能化升级。原创 2020-05-11 20:12:26 · 852 阅读 · 0 评论 -
小目标检测
小目标检测论文地址:https://arxiv.org/pdf/2004.12432.pdf一.Stitcher:Feedback-driven Data Provider for Object Detection目标检测通常根据尺度变化质量,其中对小目标的性能最不令人满意。本文研究了这种现象,发现:在大多数训练迭代中,小目标几乎不占总损失的一部分,从而导致不平衡优化的性能下降。受此启发...原创 2020-04-30 06:55:06 · 670 阅读 · 0 评论 -
多目标跟踪:CVPR2019论文阅读
多目标跟踪:CVPR2019论文阅读Robust Multi-Modality Multi-Object Tracking论文链接:https://arxiv.org/abs/1909.03850代码链接:https://github.com/ZwwWayne/mmMOT摘要在自主驾驶系统中,多传感器感知是保证系统可靠性和准确性的关键,而多目标跟踪(MOT)则是通过跟踪动态目标的序列运动...原创 2020-04-16 17:53:47 · 873 阅读 · 0 评论 -
HDR sensor 原理介绍
HDR sensor 原理介绍一. HDR sensor 原理介绍什么是sensor的动态范围(dynamic range):sensor的动态范围就是sensor在一幅图像里能够同时体现高光和阴影部分内容的能力。用公式表达这种能力就是:DR = 20log10(i_max / i_min);//dBi_max 是sensor的最大不饱和电流----也可以说是sensor刚刚饱和时...原创 2020-04-12 10:33:06 · 6230 阅读 · 5 评论 -
语义分割环境搭建
语义分割环境搭建一、环境安装与配置追根溯源,pytorch来自于torch,不过torch使用小众化的luna语言,而pytorch则是python,当然,pytorch在很多框架设计思想方面都做了更新。 我们这里也打算用pytorch框架来训练语义分割模型。安装pytorch在使用pytorch框架前,必须先安装。 其过程相对还是比较简单的。我这里的平台是:ubuntu18.0.4+py...原创 2020-04-12 08:15:18 · 954 阅读 · 0 评论 -
可视化反投射:坍塌尺寸的概率恢复:ICCV9论文解读
可视化反投射:坍塌尺寸的概率恢复:ICCV9论文解读Visual Deprojection: Probabilistic Recoveryof Collapsed Dimensions论文链接:http://openaccess.thecvf.com/content_ICCV_2019/papers/Balakrishnan_Visual_Deprojection_Probabilist...原创 2020-04-04 09:29:24 · 381 阅读 · 0 评论