首页
学习
活动
专区
工具
TVP
发布

目标检测和深度学习

专栏成员
261
文章
330149
阅读量
114
订阅数
吴博:目标检测集成框架在医学图像 AI 辅助分析中的应用 | AI 研习社第 78 期大讲堂总结
如何界定 AI 用于医学图像分析时的范畴,设置相关的任务及采用合理的模型方法?医学图像分析中目标检测任务的普遍性,使得开发目标检测集成框架显得必要。
朱晓霞
2022-03-04
1.4K0
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算方式;下半篇将继续分析mmAP的特点,并介绍针对这些特点现有方法如何“hack” mmAP,最后将提出几个mmAP未考虑到的评测要素。仅抛砖引玉,期待诸君有更优评价指标的提出。
朱晓霞
2020-02-25
2.1K0
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今为止还未能完全达到人类的水平,更遑论超越了。因此目标检测一直以来都是计算机视觉非常基础、也最具有挑战性的课题。
朱晓霞
2019-10-21
1.8K0
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力和内存。因此,近来研究领域主要在解决适合以上设备的神经网络。
朱晓霞
2019-10-21
5950
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。
朱晓霞
2019-10-21
5920
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
朱晓霞
2019-06-14
1.5K0
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:
朱晓霞
2019-06-14
1.6K0
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,没有太大的改造结构,不需增加计算成本的条件下,居然能涨两个点 mAP。
朱晓霞
2019-05-13
6230
何恺明团队最新研究:3D目标检测新框架VoteNet,两大数据集刷新最高精度
当前的3D目标检测方法受2D检测器的影响很大。为了利用2D检测器的架构,它们通常将3D点云转换为规则的网格,或依赖于在2D图像中检测来提取3D框。很少有人尝试直接检测点云中的物体。
朱晓霞
2019-05-13
1.6K0
16岁高中生夺冠Kaggle地标检索挑战赛!而且竟然是个Kaggle老兵
anokas 赢得了谷歌地标检索挑战赛,在 Reddit 上引起了非常多的讨论,大家都非常关心他的年龄以及是否有其他人帮助。不过在 anokas 的 Kaggle 主页中,他过去一年的活跃度非常高。虽然 anokas 这次与他的爸爸组成团队在图像检索挑战赛中获胜,但在他参与的 50 项挑战赛中有 40 项都是单独完成的。
朱晓霞
2018-07-23
3940
如何上手深度学习中的图像领域?有这个资源库就够了
本页面收集了大量深度学习项目图像处理领域的代码链接。包括图像识别,图像生成,看图说话等等方向的代码,以便大家查阅使用。 图像生成 绘画风格到图片的转换:Neural Style https://lin
朱晓霞
2018-04-19
1.5K0
用Python 代码实现简单图片人像识别换脸
链接:http://codebay.cn/post/8232.html 在这篇文章中我将介绍如何写一个简短(200行)的 Python 脚本,来自动地将一幅图片的脸替换为另一幅图片的脸。 这个过程分四
朱晓霞
2018-04-19
4.8K0
谷歌开启 Naturalist 2018 挑战赛,大型物种分类技术有望突破
雷锋网 AI 研习社按:计算机视觉技术从 70 年代到现在,40 多年时间得到迅速发展,许多计算机视觉的应用出现在了生产生活领域。尤其是到了 2012 年,基于深度学习的图像识别技术出现,极大地提高了计算机视觉的识别精确度,在一些特定场景下,机器的识别错误率已经远低于人眼识别的错误率。与此同时,研究员也发现在真实世界中,那些细粒度,实例级级别的物体识别还存在很大的挑战! 为了能使这一领域得到快速突破,谷歌向全球 CV 领域的开发者们发送了 iNaturalist 2018 挑战赛的邀请函。iNaturali
朱晓霞
2018-04-18
8690
【史上最有趣论文】物体检测经典模型YOLO新升级,就看一眼,速度提升 3 倍!
新智元编译 作者:Joseph Redmon、Ali Farhadi 翻译:肖琴 【新智元导读】你肯定很少见到这样的论文,全文像闲聊一样,不愧是YOLO的发明者。物体检测领域的经典论文YOLO(You Only Look Once)的两位作者,华盛顿大学的Joseph Redmon和Ali Farhadi最新提出了YOLO的第三版改进YOLO v3,一系列设计改进,使得新模型性能更好,速度更快。达到相似的性能时,相比SSD,速度提高3倍;相比RetinaNet,速度提高3.8倍。 代码地址: h
朱晓霞
2018-04-18
9140
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档