首页
学习
活动
专区
工具
TVP
发布

机器视觉CV

专栏作者
90
文章
160319
阅读量
32
订阅数
干货 | YOLOV5 训练自动驾驶数据集,并转Tensorrt,收藏!
BDD100K是最大的开放式驾驶视频数据集之一,其中包含10万个视频和10个任务,目的是方便评估自动驾驶图像识别算法的的进展。每个高分辨率视频一共40秒。该数据集包括超过1000个小时的驾驶数据,总共超过1亿帧。这些视频带有GPU / IMU数据以获取轨迹信息。该数据集具有地理,环境和天气多样性,从而能让模型能够识别多种场景,具备更多的泛化能力。这些丰富的户外场景和复杂的车辆运动使感知任务更具挑战性。该数据集上的任务包括图像标记,车道检测,可驾驶区域分割,道路对象检测,语义分割,实例分割,多对象检测跟踪,多对象分割跟踪,领域自适应和模仿学习。我们可以在BDD100K数据网站上下载数据。
机器视觉CV
2020-10-27
2.5K0
【注意力机制】空间注意力机制之Spatial Transformer Network
2015 NIPS(NeurIPS,神经信息处理系统大会,人工智能领域的 A 类会议)论文
机器视觉CV
2020-07-23
6.1K0
卷积神经网络之 - ZFNet
(貌似江湖上有两篇 ZFNet 的论文,也即:Visualizing and Understanding Convolutional Networks )最新的请见论文地址:https://arxiv.org/pdf/1311.2901.pdf
机器视觉CV
2020-07-23
5710
卷积神经网络之 - Alexnet
论文地址:https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
机器视觉CV
2020-07-23
3610
卷积神经网络之 - BN-Inception / Inception-v2
Inception 的第二个版本也称作 BN-Inception,该文章的主要工作是引入了深度学习的一项重要的技术 Batch Normalization (BN) 批处理规范化。BN 技术的使用,使得数据在从一层网络进入到另外一层网络之前进行规范化,可以获得更高的准确率和训练速度
机器视觉CV
2020-07-23
1.4K0
卷积神经网络之 - Lenet
Lenet 是一系列网络的合称,包括 Lenet1 - Lenet5,由 Yann LeCun 等人在 1990 年《Handwritten Digit Recognition with a Back-Propagation Network》中提出,是卷积神经网络的 HelloWorld。
机器视觉CV
2019-12-24
8060
目标检测之R-CNN系列综述
上几期我们讲过目标检测 One-Stage 的代表 YOLOv3 本来这一期是打算写 SSD(One-Stage 的另一个代表) 的,发现 SSD 其中涉及的知识是从 R-CNN(Two-Stage)来的,故此。这一期我们就来理理 R-CNN 系列的部分知识点,同样,我们会分为 理论、体验和代码实战 三期来进行讲解,今天就是理论部分。
机器视觉CV
2019-12-10
6890
目标检测实战项目『代码实战篇』
深度学习的三驾马车:数据、模型、算力。本文将从这三方面,实现 YOLO 目标检测,让自己的数据跑起来
机器视觉CV
2019-11-25
8850
You Only Watch Once:实时人体动作定位网络
今天跟大家介绍一篇YOLO风格浓郁的论文,来自慕尼黑工业大学的学者受人类视觉的启发,提出一种快速实时的视频动作定位方法 You Only Watch Once(YOWO),达到了目前最好的效果,而且代码将开源。
机器视觉CV
2019-11-24
1.1K0
YOLO 目标检测实战项目『原理篇』
在目标检测中,IoU 为预测框 (Prediction) 和真实框 (Ground truth) 的交并比。如下图所示,在关于小猫的目标检测中,紫线边框为预测框 (Prediction),红线边框为真实框 (Ground truth)。
机器视觉CV
2019-11-14
2.2K1
【技术综述】深度学习中的数据增强方法都有哪些?
很多实际的项目,我们都难以有充足的数据来完成任务,要保证完美的完成任务,有两件事情需要做好:(1)寻找更多的数据。(2)充分利用已有的数据进行数据增强,今天就来说说数据增强。
机器视觉CV
2019-11-12
9440
业界|部署机器学习模型的后期监视
你已经建立了你的机器学习模型。你甚至已经准备将你的模型投入生产(或模型部署)。很好,你应该做好一切准备来打动你的终端用户或者客户。
机器视觉CV
2019-11-12
5240
视觉实战|使用人工神经网络进行图像分类
SPCA每年要收养7000到9000只动物,其中有一半是抛弃的宠物,例如猫,狗,兔子和豚鼠等。识别这些宠物需要一定的时间,可能会增加等待收养的时间。
机器视觉CV
2019-10-28
7840
【AI初识境】近20年深度学习在图像领域的重要进展节点
这是专栏《AI初识境》的第3篇文章。所谓初识,就是对相关技术有基本了解,掌握了基本的使用方法。
机器视觉CV
2019-10-11
8290
【AI初识境】从头理解神经网络-内行与外行的分水岭
这是专栏《AI初识境》的第2篇文章。所谓初识,就是对相关技术有基本了解,掌握了基本的使用方法。
机器视觉CV
2019-10-11
4060
【AI白身境】一文览尽计算机视觉研究方向
相信看了前面的几篇文章后很多朋友已经等不及快速入行了,今天就来介绍一下计算机视觉的各大研究方向及其特点。
机器视觉CV
2019-09-12
1.2K0
机器学习| 第三周:数据表示与特征工程
到目前为止,表示分类变量最常用的方法就是使用 one-hot 编码(one-hot-encoding)或 N 取一编码(one-out-of-N encoding), 也叫虚拟变量(dummy variable)。虚拟变量背后的思想是将一个分类变量替换为一个或多个新特征,新特征取值为 0 和 1 。 如下图,是用来预测某个人的收入是大于 50K 还是小于 50K 的部分数据集。其中,只有 age 和 hour-per-week 特征是数值数据,其他则为非数值数据,编码就是要对这些非数值数据进行数值编码。将数据转换为分类变量的 one-hot 编码有两种方法:一种是使用 pandas,一种是使用 scikit-learn 。 pandas 使用起来会简单一点,故本文使用的是 pandas 方法。
机器视觉CV
2019-07-15
1.5K0
机器学习| 第二周:监督学习(1)『附学习资源』
刚开始入门机器学习,好的学习路径非常重要,以下是我个人最近学习机器学习的心得,与大家分享。
机器视觉CV
2019-07-15
4370
机器学习基础知识
特征工程的本质:用更简单的方法表述问题,使问题变得容易,需要深入理解问题的本质。可能的话加一点遐想。
机器视觉CV
2019-07-15
6170
机器学习| 第一周:单变量线性回归
下棋程序:E :无数次下棋获得的经验;T :下棋;P :与新对手下棋时的胜率有所提升。
机器视觉CV
2019-07-15
4720
点击加载更多
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
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