11 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 本文作者为图森科技首席科学家王乃岩，原载于知乎： https://zhuanlan.zhihu.com/p/68291859 经作者授权转载。 大家好，欢迎回来！我们继续上次的anchor之旅。 （上一篇在这里：https://zhuanlan.zhihu.com/p/63273342） 从今年年初开始，整个detection领域掀起了“去anchor化”的潮流。由于有很多的解读都具体介绍过这些方法技术方面的细节了，所以这篇文章不会再重复，只做一个粗略的总结，更多讲讲我个人对这个潮流的一些想法。 个人认为市面上现有的anchor free的方法基本可......
32 天前 / 我爱计算机视觉
点击我爱计算机视觉标星，更快获取CVML新技术 计算机视觉中的目标检测，因其在真实世界的大量应用需求，比如自动驾驶、视频监控、机器人视觉等，而被研究学者广泛关注。 几天前，arXiv新出一篇目标检测文献《Object Detection in 20 Years: A Survey》对该领域20年来出现的技术进行了综述，这是一篇投向PAMI的论文，作者们review了400+篇论文，总结了目标检测发展的里程碑算法和state-of-the-art，并且难能可贵的对算法流程各个技术模块的演进也进行了说明，还深入到目标检测的特定领域如人脸检测、行人检测等进行了总结，最后列举了未......
56 天前 / 极市小助手
加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！ 同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~ 昨天分享了一篇：FoveaBox，超越Anchor-Based的检测器，今天带来FoveaBox作者的另一个工作Consistent Optimization for Single-Shot Object Detection，简洁有效。 作者 | 孔涛 来源|https://zhuanlan.zhihu.com/p/59915784 论文链接：arxiv.org/abs/1901.0656 ......
79 天前 / 极市小助手
加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！ 同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~ 作者简介 陈泰红：算法工程师，研究方向为机器学习、图像处理 图像目标检测是图像处理领域的基础。自从2012年CNN的崛起，深度学习在Detection的持续发力，为这个领域带来了变革式的发展：一个是基于RPN的two-stage，RCNN/Fast RCNN/Faster RCNN、RetinaNet、Mask RCNN等，......
87 天前 / algorithmdog
| 导语来自中心姚博的大作。 为了能够对自动提取王者荣耀视频标签，我们需要对王者荣耀游戏视频中的英雄进行检测与识别，判断该视频中我方英雄以及友方和敌方，这就需要首先在视频中检测出英雄的位置和数量，然后对每个检测到的英雄，判断英雄的类别（我方/友方/敌方）并识别出英雄的姓名。笔者在实验过程中，发现了一种two-stage算法能够较好地解决这一问题，采用基于血条模版匹配+后处理的方法实现英雄的检测，第二阶段采用深度神经网络对检测到的英雄进行识别。 一、算法调研针对通用的图像或视频中的目标检测与识别任务，目前主流的算法......
87 天前 / 极市小助手
加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！ 同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。点击文末“阅读原文”立刻申请入群~ 作者简介 魏凯峰：计算机视觉、深度学习、机器学习爱好者，CSDN博客专家“AI之路”。 本文介绍了目标检测算法的一些优化技巧，目前已经在GluonCV中实现了，整体看下来和之前的那篇图像分类算法优化技巧：Bag of Tricks for Image Classification类似。这篇介绍的优化技巧具体而言......
106 天前 / ???Edison_Guo
近期好多同学都在纠结Anchor的设置，而且部分同学私信，可不可以把这个基础知识详细说一次，今天就单独开一次小课，一起来学习Faster R-CNN中的RPN及Anchor。 说到RPN和Anchor，应该立马就能想到Faster R-CNN网络框架，这个我平台在之前就有详细的介绍过。 往期回顾 ●深度学习近期总结分析 有兴趣的可以点击进入看看，当作复习一下。首先我先将几类经典的目标检测网络做一个对比，然后开始说说今天要讲的知识。 最开始出现的是R-CNN，如下图： 从上图可以看出其框架做了很多重复的计算，在第二步之后，如果......
124 天前 / hyper0x
点击上方“CVer”，选择"星标"和“置顶” 重磅干货，第一时间送达 前戏 最近目标检测方向，出了很多paper，CVer也立即跟进报道（点击可访问）： TridentNet 处理目标检测中尺度变化新思路 One-stage目标检测最强算法 ExtremeNet 目标检测最新方向：推翻固有设置，不再一成不变Anchor SimpleDet：简单通用的目标检测与物体识别框架 本文介绍一篇很棒的目标检测训练技巧论文。该论文是由Amazon Web Services 提出，其中作者团队中就有李沐等大神。之前Amazon还提出图像分类的Tricks论文，详见亚马逊：用CNN进行图像分类的Tricks......
125 天前 / hyper0x
本文为 AI 研习社编译的技术博客，原标题 ： Object detection with Raspberry Pi and Python 作者 |Quantum 翻译 | leogle97、谢玄xx 校对 | 邓普斯杰弗 审核 | 酱番梨 整理 | Pita 原文链接： https://medium.com/@Quantum_inc/object-detection-with-raspberry-pi-and-python-bc6b3a1d4972 注：本文的相关链接请点击文末【阅读原文】进行访问 使用树莓派和Python实现目标检测 今天我们将讨论如何建立一个简单、便宜的移动目标探测器。 这项研究的目的是确定在一个便宜的移动设备上的对象检测模型是否可以用于现实世界的任务。......
150 天前 / 极市小助手
作者：张钊宁 本文为极市原创，转载请注明作者和出处。 关注本专栏，获取最新高质量文章推送 本篇文章为张博19年1月18日在极市直播分享的文字详细整理。 算力限制场景主要是指在嵌入式设备，也就是算力相对比较弱的芯片上面做实时或者准实时的目标检测。这个问题在学术和工业界一直都是备受关注的，并且，在深度学习越来越强调落地的大背景下，这个问题也变得越来越突出。 因为今天的分享是面向极市开发者们，分享中会相对偏向于实战，更像是一个如何调参的经验方法论方面的分享。需要强调的是，因为不少内容缺少系统的数学和理论基础......
162 天前 / 云水木石
本文编译自medium上的文章：What’s new in YOLO v3 略有删减。 点击阅读原文，可以直达原文，需要翻墙哦！ You only look once（你只需看一次），或者YOLO，是目前比较快的目标对象检测算法之一。虽然它不再是最精确的目标对象检测算法，但是当您需要实时检测时，它是一个非常好的选择，不会损失太多精确度。 2018年上半年，YOLO的第三个版本问世，这篇文章旨在解释YOLO v3中引入的变化。这不是一个解释YOLO是什么的文章。 我假设您知道YOLO v2是如何工作的。如果情况并非如此，我建议您查看Joseph Redmon等人的论文，了解YOLO如何运作。 YOLO......
163 天前 / 头条机器人
今天破天荒地为大家介绍一篇我们自己的工作(Scale-Aware Trident Networks for Object Detection)，因为我是真的对这个工作很满意，哈哈。这篇文章主要要解决的问题便是目标检测中最为棘手的scale variation问题。我们使用了非常简单干净的办法在标准的COCO benchmark上，使用ResNet101单模型可以得到MAP 48.4的结果，远远超越了目前公开的单模型最优结果。在正式介绍我们的方法之前，我先简单回顾一下现有的两大类方法。第一大类，也是从非Deep时代，乃至CV初期就被就被广泛使用的方法叫做image pyramid。在image pyramid中，我们直接对图像进行不......
248 天前 / ???Edison_Guo
无监督学习是当今计算机视觉领域最困难的挑战之一。这项任务在人工智能和新兴技术中有着巨大的实用价值，因为可以用相对较低的成本收集大量未标注的视频。 —————— 01 概述 —————— 今天，我们介绍的这个技术在对单个图像中的主要前景目标进行检测的背景下，研究了无监督学习问题。我们训练student deep network来预测techer路径的输出，该路...
288 天前 / u392152
(欢迎关注“我爱计算机视觉”公众号，一个有价值有深度的公众号~) 交通标志检测在自动驾驶、汽车主动安全中应用非常重要，通用的目标检测算法可以通过微调网络的方式直接用于交通标志检测。如何在不同的硬件平台和应用环境中选择算法？今天介绍的刚刚被《Neurocomputing 》接收的论文《Evaluation of deep neural networks for...
324 天前 / 云水木石
本教程进行到这一步，您选择了预训练的目标检测模型，转换现有数据集或创建自己的数据集并将其转换为TFRecord文件，修改模型配置文件，并开始训练模型。接下来，您需要保存模型并将其部署到项目中。将检查点模型(.ckpt)保存为.pb文件回到TensorFlow目标检测文件夹，并将export_inference_graph.py文件复制到包含模型配置文件的文件...