baolinq的博客

目标检测之一（传统算法和深度学习的源码学习）本系列写一写关于目标检测的东西，包括传统算法和深度学习的方法都会涉及到，注重实验而不着重理论，理论相关的看论文去哈，主要依赖opencv。一、目标检测有哪些算法，历史简介       最近在做一些目标检测相关的东西，目标检测是计算机视觉里面最重要的课题之一了，很多场合检测和识别都是很重要的，比如现在很火的无人驾驶，就非常依赖目标检测和识别，需

关于密集遮挡的行人检测行人检测是计算机视觉领域的一个重要研究课题，在自动驾驶，视频监控和机器人等各种应用，旨在预测一系列行人实例的边界框。实际上，在现实生活中的复杂情景中，遮挡是行人检测的最重要挑战之一，尤其是在拥挤的场景中。例如在CityPersons数据集中48.8 ％行人其它行人互相遮挡。以前的方法只要求每个预测的边界框都接近其指定的GT，而不考虑它们之间的关系。因此，它们使得检测器对拥...

Paperreading之一 目标检测专用backbone—DetNet  1.前言：一个专门用于目标检测的backbone—DetNet，目前大多数用于目标检测的backbone都是使用在ImageNet上预训练的网络，比如常用的vgg，resnet系列等等，但是这些网络都是为图像分类而设计的，把这些网络用于目标检测领域，通常不能完美贴合，会或多或少的增加一些层。这样会有两个问题：...

其他文章http://blog.youkuaiyun.com/baolinq         上次写了一篇关于使用yolo训练VOC数据集的文章，传送门（http://blog.youkuaiyun.com/baolinq/article/details/78724314）。但是总不能只使用一个数据集，多使用几个数据集看看效果。因为我主要在做车辆和行人方面的检测。正好KITTI 数据集是做无人驾驶方面的公开权威数

目标检测之四，使用multinet的KittiBox部分进行车辆检测（demo，train，evalute）          使用KittiBox进行车辆检测，训练环境和配置：Ubuntu16.04，python3.5，TensorFlow1.4，i76700K+双GTX Titan X。由于不能直接用作者的源码直接跑，修改了一点点地方，整个过程挺艰辛的（新手刚上路），希望能给大家一点经

Win10 +VS2015+双gtx Titan X使用YOLO v2训练VOC数据其他博客地址：http://blog.youkuaiyun.com/baolinq    本文主要是记录在win10下，yolo v2训练数据的一整个过程，网上很多是在linux下的，不得不说这个东西还是linux下方便啊，主要依赖项：VS2015或者VS2013都可以Opencv2.x或者opencv3.

其他原创博客http://blog.youkuaiyun.com/baolinq  主要看第三部分就可以，前面是一些其他常见 的基本图像方法。基于二维伽马函数的光照不均匀图像自适应校正算法在视频和图像的采集过程中，由于受到地物环境复杂、物品之间相互遮挡以及环境光照条件多变等因素的影响，经常会导致场景的光照不均匀，主要表现为图像中亮的区域光线足够或者过强，而暗的区域照度不足，导致一些重要的细节信息无法凸

目标检测之二（传统算法和深度学习的源码学习）本系列写一写关于目标检测的东西，包括传统算法和深度学习的方法都会涉及到，注重实验而不着重理论，理论相关的看论文去哈，主要依赖opencv。  本文主要内容：简单分析下yolo9000的原理，然后使用opencv的dnn模块进行目标检测.    接着上一篇提到的车辆检测（http://blog.youkuaiyun.com/baolinq/article/

评价指标：准确率 （Accuracy），混淆矩阵 （Confusion Matrix），精确率（Precision），召回率（Recall），平均正确率（AP），mean Average Precision(mAP)，交除并（IoU）1.交并比IoU目前目标检测领域主要使用IoU来衡量两个检测框的相似度，顾名思义，IoU表示两个集合的交集占其并集的比例。公式中，和分别表示预测框和真...