原创 計算機視覺注意力網絡(二)——SeNet [CVPR 2018]

Squeeze-and-Excitation Networks(SENet) 在圖像中最早使用注意力機制的忘了就是SENet。SENet是Squeeze-and-Excitation Networks的簡稱,由Momenta公司

原创 計算機視覺注意力網絡(四)——GSoP-Net [CVPR 2019]

Paper: Global Second-Order Pooling Convolutional Networks Code:GitHub - ZilinGao/Global-Second-order-Pooling-Convol

原创 計算機視覺注意力網絡(一)——簡介

文章目錄注意力機制簡介與分類計算機視覺中的注意力機制卷積神經網絡中常用的Attention參考 注意力機制簡介與分類 注意力機制(Attention Mechanism)是機器學習中的一種數據處理方法,廣泛應用在自然語言處理、圖像

原创 計算機視覺注意力網絡(三)——CBAM [ECCV 2018]

CBAM: Convolutional Block Attention Module 論文地址:https://arxiv.org/abs/1807.06521 PyTorch代碼:https://github.com/luuuy

原创 目標檢測文章列表

所有文章整理下載鏈接 鏈接:https://pan.baidu.com/s/15fAaVKj6cuoZh1avAQE7Ew 提取碼:u0ug 序號 縮寫 文章題目 期刊 鏈接 1 R-CNN Rich feature

原创 使用python-opencv獲取視頻數據

import cv2 if __name__ == "__main__": video_name = "video.ts" vc = cv2.VideoCapture(video_name) # 讀入視頻文件

原创 目標檢測、目標跟蹤、圖像分類最新進展

目標檢測 A paper list of object detection using deep learning(hoya012): https://github.com/hoya012/deep_learning_object

原创 YOLO v3 視頻檢測(檢測特定類別)

YOLO v3的安裝可以使用參考博客:YOLO v3 安裝並訓練自己數據 - quanwei的博客 文章目錄檢測視頻檢測固定類別確定檢測類別的id修改`./darknet/src/image.c`重新編譯 檢測視頻 在這篇博客中

原创 KITTI數據集簡介(一)—— 傳感器介紹

文章目錄1.KITTI數據集概述2.傳感器介紹慣性傳感器簡介激光雷達灰度相機與彩色相機變焦距透鏡3.傳感器安裝位置參考 1.KITTI數據集概述         KITTI數據集由德國卡爾斯魯厄理工學院和豐田美國技術研究院聯合

原创 Qt安裝調試器SDK

程序報錯——the selected debugger may be inappropriate for the inferior 當希望使用調試器對代碼進行單行調試的時候,就會發現會有上邊的錯誤,這個主要是之前SDK跟現在的不

原创 SpaceNet 6: Dataset Release -- MSAW

文章目錄0. 數據下載1. 數據集簡介2. SAR傳感器3. 光電傳感器4. 數據文件 0. 數據下載 大家可以去官方網站下載,但是需要註冊亞馬遜,而且下載過程中經過斷開,建議使用百度雲下載。 百度雲鏈接:https://pan.

原创 在Linux環境下運行YOLO v4

YOLO v4 論文:https://arxiv.org/abs/2004.10934 YOLO v4 開源代碼:https://github.com/AlexeyAB/darknet YOLO v4的安裝基本與YOLO v3

原创 遙感目標檢測數據集彙總

文章目錄1. 光學數據集1.1 DIOR1.2 LEVIR1.3 DOTA1.4 RSOD1.5 NWPU VHR-101.6 VEDAI1.7 COWC1.8 ITCVD1.9 DIUx xView 20181.10 HRSC2

原创 python opencv 讀取視頻

import cv2 if __name__ == "__main__": video_name = "video.ts" vc = cv2.VideoCapture(video_name) # 讀入視頻文件

原创 Matlab-函數擬合

文章目錄0. 評價指標1. 工具箱擬合——cftool2. 萬能擬合 ——nlinfit3. 多項式擬合 ——polyfit參考 0. 評價指標 一、SSE(和方差) 該統計參數計算的是擬合數據和原始數據對應點的誤差的平方和,計算