3D目标检测实战 | 图解KITTI数据集与数据格式
odometry)3D物体检测(object detection)3D跟踪(tracking)… 等计算机视觉技术在车载环境下的性能。KITTI包含市区、乡村和高速公路等场景采集的真实图像数据 3D目标检测旨在从传感器数据中准确地定位和识别三维空间中的物体。KITTI数据集针对3D目标检测任务提供了14999张图像以及对应的点云，其中7481组用于训练，7518组用于测试，针对场景中的汽车、行人、自行车...
Yolov8小目标检测（24）： 最新开源移动端网络架构 RepViT | RepViTBlock | 清华 ICCV 2023
量级 CNN，这包括选择合适的卷积核大小和优化挤压-激励（Squeeze-and-excitation，简称SE）层的位置。这两种方法都能显著改善模型性能 RepViTBlock| 亲测在红外弱小目标检测涨点明显，map@0.5 从0.755提升至0.791 💡💡💡Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，...
从CNN到Transformer：基于PyTorch的遥感影像、无人机影像的地物分类、目标检测、语义分割和点云分类
模型和计算机算法都十分复杂、运行及处理难度很大，PyTorch平台的掌握也并不容易。为使广大学者能理解卷积神经网络背后的数学模型和计算机算法，掌握利用PyTorch为基础的遥感影像和无人机影像的分类，目标检测，以及语义分割等应用。 专题一：深度卷积网络知识详解 1.深度学习在遥感图像识别中的范式和问题 2.深度学习的历史发展历程 3.机器学习，深度学习等任务的基本处理流程 4.卷积神经网络的基本原理 5....
few shot目标检测survey paper笔记（整体概念）
paper: Few-Shot Object Detection: A Comprehensive Survey (CVPR2021) 深度学习提高了目标检测的精度，但是它需要大量的训练数据。 对于训练数据集中没有见过的目标，是检测不了的，所以就限制了在实际中的应用。 如果想让模型去识别新的目标，就需要自己标注，这是既花时间又很枯燥的活，而且像医疗数据这种根本得不到大量的数据。 对比人类就不同了，小孩子...
few shot目标检测survey paper笔记（迁移学习）
paper: Few-Shot Object Detection: A Comprehensive Survey (CVPR2021) meta learning需要复杂的情景训练，而迁移学习仅需在一个single-branch结构上做两步训练。 常用的结构是Faster R-CNN，下面是Faster R-CNN的结构图。 RPN的修改 当样本数量很少时，RPN是error增大的关键地方。 比如，当只...
OpenCV实战（32）——使用SVM和定向梯度直方图执行目标检测
OpenCV实战（32）——使用SVM和定向梯度直方图执行目标检测 0. 前言1. HOG 图像特征2. 交通标志分类2.1 SVM 模型2.2 SVM 原理 3. HOG 可视化4. 人物检测5. 完整代码小结系列链接 0. 前言 本节中，我们将介绍机器学习方法支持向量机 (Support Vector Machine, SVM)，它可以根据训练数据得到准确的二分类分类器，它已被广泛用于解决许多计算机...
Yolov8小目标检测（9）： EMA基于跨空间学习的高效多尺度注意力、效果优于ECA、CBAM、CA | ICASSP2023
💡💡💡本文改进： EMA基于跨空间学习的高效多尺度注意力 EMA | 亲测在红外弱小目标检测涨点，map@0.5 从0.755提升至0.766 💡💡💡Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，带你轻松实现小目标检测涨点 💡💡💡重点：通过本专栏的阅读，后续你可以结合自己的小目标检测数据集，在网络不同位...
Yolov8小目标检测（22）：感受野注意力卷积运算（RFAConv），助力小目标检测
💡💡💡本文改进：感受野注意力卷积运算（RFAConv），解决卷积块注意力模块（CBAM）和协调注意力模块（CA）只关注空间特征，不能完全解决卷积核参数共享的问题 RFAConv | 亲测在红外弱小目标检测涨点明显，map@0.5 从0.755提升至0.765 💡💡💡Yolo小目标检测，独家首发创新（原创），适用于Yolov5、Yolov7、Yolov8等各个Yolo系列，专栏文章提供每一步步骤和源码，...
万物目标识别——Detic使用图像级别的监督信号来进行目标检测模型推理（C++/Python）
一、目标识别 1.1 传统目标识别算法 传统目标检测通常将分类（确定物体属于哪个类别）和定位（确定物体的位置，通常使用边界框bbox表示）任务耦合在一起。这要求训练数据集中包含每个物体的类别标签以及其对应的bbox位置信息。这种需求导致了为了检测多少个类别，就需要标注多少种类别的数据，在数据标注方面，往往要投入很大的人工成本来对识别目标进行标注。 像下面的数据，要标注出所有的目标，对于人工，还是有一点复...
OpenCV实战（31）——基于级联Haar特征的目标检测
OpenCV实战（31）——基于级联Haar特征的目标检测 0. 前言1. Haar 特征图像表示2. 基于级联 Haar 特征的二分类分类器3. 级联分类器算法流程4. 使用 Haar 级联检测器进行人脸检测5. 完整代码小结系列链接 0. 前言 在机器学习基础一节中，我们介绍了机器学习的一些基本概念，并通过使用不同类别的样本来构建分类器。但这种方法训练分类器需要存储所有样本的表示，然后通过查看最近标...