- 博客(6)
- 收藏
- 关注
RSS订阅原创 目标检测之Faster R-CNN论文
RPN和Fast R-CNN网络在训练一开始就被合并成一整个网络，每次训练的时候输入一整张图片，会沿着这个网络传输过去，在a模块会有一个RPN网络产生的损失，在b模块会有一个Fast R-CNN网络产生的损失，直接把他们两个简单结合起来，让a模块这样反向传播回去，让b模块反向传播回去，就能很简单的解决联合训练的问题。使用a模块来在特征图上产生候选区域，利用a模块产生的候选区域以及原始的特征图，来得到每个候选区域的特征，利用b模块来对每个候选区域进行分类和回归。2k:对产生的候选框计算一个它包含目标的概率。
2024-10-03 11:50:49
707
原创 目标检测领域还有什么可以做的吗
目标检测是计算机视觉领域的一个重要研究方向，旨在识别图像或视频中的目标物体并确定其位置。目标检测的研究不仅涉及算法和模型的改进，还包括实际应用中的挑战和需求。随着技术的进步和新应用场景的出现，这一领域仍然有广阔的发展空间。设计针对特定领域的目标检测系统，例如医疗影像分析（如癌症筛查）、无人驾驶汽车（如交通标志和行人检测）等。提高目标检测模型的实时性，特别是在资源受限的设备上（如移动设备和嵌入式系统）。结合目标检测和目标跟踪技术，实现动态视频中的连续跟踪和检测。研究如何在无监督的情况下进行有效的目标检测。
2024-08-27 18:30:52
267
原创 PP-TinyPose作为PaddleDetecion针对移动端设备优化的实时关键点检测模型，可满足用户的不同需求，可流畅地在移动端等设备上执行多人姿态估计任务 解释一下具体原理
特征图生成：通过若干卷积层后，模型生成一系列特征图（heatmaps），每个特征图对应一个关键点的位置概率分布。深度可分离卷积：一种优化技术，将传统卷积操作分解为深度卷积和逐点卷积，以减少计算量和参数量，提高效率。标准化：对图像进行标准化处理，使其像素值在统一的范围内，通常是0到1之间或具有特定均值和方差的分布。模型会输出每个关键点的坐标。图像缩放和裁剪：将输入图像调整到模型所需的大小，通常包括裁剪和缩放，以适应网络输入尺寸。坐标转换：将网络输出的关键点坐标从特征图的空间坐标转换回原始图像的坐标。
2024-08-26 16:51:36
245
原创 《一种软件工程用设备箱》的发明专利
外壳使用轻质但坚固的材料，如铝合金、工程塑料或复合材料，这些材料既提供了足够的保护，又保持了设备箱的便携性。设备箱设计有坚固的把手和滑轮，方便移动和搬运，适合各种使用场景，包括实验室、办公室和现场作业。这种设备箱为软件工程师提供了一个高效、安全、便捷的解决方案，能够有效组织和保护他们的工具和设备。内部结构采用模块化设计，配备可调节的隔板或分隔层，以适应不同尺寸和类型的工具设备。对于敏感设备，如硬盘、存储卡和电子元件，提供额外的保护，避免物理损伤和数据丢失。
2024-08-26 16:48:57
490
原创 YOLOv8项目组成解析：一站式指南了解其架构与组件_yolov8如何运行在arm64架构上
1.detect2.train3.yolov5模型架构anchor:锚第二个数字表示重复的次数，还需要乘以depth_m...4.Aero-yolov8模型架构coordatt:注意力转移机制通过一维特征编码捕获远程依赖和精确位置信息随机注意力机制CoordAtt和shuffle attention[]机制的结合增强了特征提取，特别是有利于从无人驾驶飞行器的角度检测小型或受阻的车辆。
2024-08-22 20:17:27
3114
原创 二分法详解
时间复杂度二分查找的最优时间复杂度为 O（1）。二分查找的平均时间复杂度和最坏时间复杂度均为O(logn) 。因为在二分搜索过程中，算法每次都把查询的区间减半，所以对于一个长度为n 的数组，至多会进行O(logn) 次查找。空间复杂度迭代版本的二分查找的空间复杂度为 O(1)。递归（无尾调用消除）版本的二分查找的空间复杂度为O(logn)....
2022-04-05 19:03:09
2132
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