目标检测和深度学习

230 篇文章
109 人订阅

全部文章

朱晓霞

知乎高赞长文解析经典目标检测评价指标—mmAP

本文来自旷视科技南京研究院研究员赵博睿在知乎上发表的文章,他主要研究领域为目标检测。本文上半篇将针对mmAP这一经典的目标检测评价指标详细解析其定义初衷和具体计...

23530
朱晓霞

目标检测的性能上界讨论

发现了最近 arxiv 上的一篇文章 Empirical Upper-bound in Object Detection and More,作者们在多个数据集上...

12740
朱晓霞

GitHub超1.1万星:李沐经典作品《动手学深度学习》更新强互动

《动手学深度学习》是加州大学伯克利分校 2019 年春学期 Introduction to Deep Learning 课程教材《Dive into Deep ...

17410
朱晓霞

题库 | 这10套深度学习算法题,让面试官对你青眼有加

深度学习系列题库共10期,每期有10道热门精选题目,共计100道,其中包含神经网络、激活函数、训练样本等经常出现在各大笔试、面试中的相关问题。同时,本系列也包含...

27821
朱晓霞

GitHub榜首:最强目标检测平台Detectron2 ,基于PyTorch完全重构

虽然在某些特定的场景下计算机可以比人类更快、更精准的识别出目标,但实际上,由于各类物体在不同的观测角度、不同的光照成像、遮挡等因素的干扰,计算机视觉的图像识别迄...

71920
朱晓霞

如何评价FAIR最新开源的Detectron2目标检测框架?

https://www.zhihu.com/question/350117858/answer/854376239

1.1K20
朱晓霞

比Tiny YOLOv3小8倍,性能提升11个点,4MB的网络也能做目标检测

目标检测在计算机视觉领域是一个活跃的研究分支,而深度学习已经成为这一领域最前沿也是最成功的解决方案。但是,在边缘和移动设备中广泛部署神经网络模型需要大量的计算算...

25130
朱晓霞

10行代码实现目标检测 |视觉进阶

在本文中,我将向你展示如何使用Python在不到10行代码中创建自己的目标检测程序。

16420
朱晓霞

密歇根大学40页《20年目标检测综述》最新论文,带你全面了解目标检测方法

题目:Object Detection in 20 Years: A Survey

39720
朱晓霞

谷歌大脑提出:基于NAS的目标检测模型NAS-FPN,超越Mask R-CNN

谷歌大脑的Quoc Le团队,用神经网络架构搜索 (NAS) ,发现了一个目标检测模型。长这样:

56510
朱晓霞

awesome 整理的GitHub项目整理清单(必看!!!)

https://github.com/ChristosChristofidis/awesome-deep-learning

89920
朱晓霞

CVPR2019 论文解读汇总(包括目标检测、姿态估计、语义分割等,更新中)

1、CVPR2019 | Guided Anchoring: 物体检测器也能自己学 Anchor 物体检测领域论文"Region Proposal by Gui...

8K21
朱晓霞

CVPR2019 | 29篇目标检测相关论文汇总(含2D/3D/显著性目标检测等)

1、Stereo R-CNN based 3D Object Detection for Autonomous Driving 作者:Peiliang Li, ...

71020
朱晓霞

tensorflow使用object detection实现目标检测超详细全流程(视频+图像集检测)

https://github.com/tensorflow/models/tree/master/research 本文以mobilenet-ssd-v2为例进...

69430
朱晓霞

目标检测训练trick超级大礼包—不改模型提升精度,值得拥有

下图展示了使用此trick大礼包训练Faster RCNN和YOLOv3之后,获得的精度增益,相同的算法最多竟有+4.0%AP的增长!

84720
朱晓霞

Deep Image Prior——图像恢复入门

图像恢复是指从其劣质图像中恢复未知真实图像的任务。 图像损耗可能在图像形成,传输和存储期间发生。 该任务广泛的用于卫星成像,低光摄影。由于数字技术的进步,计算和...

22740
朱晓霞

1500+星标,简单易用 TensorFlow 代码集

它拥有多层级结构,可部署于各类服务器 、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究。

16930
朱晓霞

CCNet--于"阡陌交通"处超越恺明 Non-local

题目是“CCNet--于"阡陌交通"处超越恺明Non-local”...好的,我们先来简要介绍下Non-local(CVPR'2018)吧。

24040
朱晓霞

完美代替传统卷积!Facebook等提出全新卷积操作OctConv,速度接近理论极限

近日,Facebook AI、新加坡国立大学、360 人工智能研究院的研究人员提出一种新的卷积操作 ——Octave Convolution (OctConv)...

22720
朱晓霞

CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器

这是一篇浙江大学和香港中文大学发表于 CVPR 2019 的论文,这篇文章十分有趣,网友戏称:“无痛涨点,实现简单,良心 paper”,在我看来确实是这样的,没...

19520

扫码关注云+社区

领取腾讯云代金券