robust object detection

最新推荐文章于 2022-06-16 17:51:59 发布
原创 最新推荐文章于 2022-06-16 17:51:59 发布 · 1.1k 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#object

本文尝试使用文献中的方法进行边缘检测但遇到了困难，无论是直接求YUV通道值差异还是Harris角点检测器都无法达到预期效果。这可能是实现过程中的问题或是图像本身存在问题。

      用文献[1]中的方法是无法检测到正确的边缘的，我试了在搜索直线方向上的直接求YUV通道值差异与Harris角点检测器都不行。不知道是我没实现好还是图像有问题？

 

参考文献:

1、Extensions to Object Recognition in the Four-Legged League,CJ Seysener, CL Murch, RH Middleton - Proceedings of the RoboCup 2004 Symposium, LNCS. Springer, 2004 - Springer

论文阅读——Towards Adversarially Robust Object Detection
胖虎的博客
09-13 1528
论文阅读——Towards Adversarially Robust Object Detection
Towards Adversarially Robust Object Detection 论文笔记
qq_30146937的博客
03-16 1609
前言 许多工作证明分类器在面对对抗攻击（adversarial attack）时是非常脆弱的，比如有一种对抗样本，它只对原图进行很轻微地修改，但是在视觉上与原图相比是完全不同的。因此也有很多工作致力于提升分类器的鲁棒性。 最近的一些工作发现，目标检测器也会由于蓄意设计的输入而受到攻击，如下图所示，展示了标准检测器和鲁棒性更强的检测器分别检测clean和adversarial图像的效果，可以看到，标...
Robust Object Recognition with Cortex-Like Mechanisms.pdf
03-23
Robust Object Recognition with Cortex-Like Mechanisms.pdf
[论文笔记4]Robust Object Detection via soft cascade
Joker's Time
11-04 1988
the trade-off between accuracy and speed 1.降低计算量的一个常用方式是把分类器拆分成一个线性序列,cascade,其中每个次分类器,叫做stage,是二分类器,被训练来拒绝明显不是脸的部分,并且使的几乎所有的脸通过下一个stage.每个连续的stage基于之前stage通过的非脸部分来训练.复杂度降低通过早期比较容易拒绝掉大多数非脸来体现 2.casc
整理Robust Object Detection Via Soft Cascade论文中的要点
OneCodeMan的博客
02-11 1346
这篇论文首先根据人脸识别传统方法的经典文章[1]总结了传统瀑布式结构的优缺点，如下：传统cascade方法的优点： 运用瀑布结构大幅加快了检测速度传统cascade方法的缺点： 1.该识别器后面的层数不能很好的利用前面层数的结果信息。尽管在前一层可能高分通过，但仅仅因为一层表现不好就被拒绝，可能导致该分类器的稳定性不高。 2.因为必须通过所有层，意为着最后的发现率（detection r
Robust 3D Object Detection in Cold Weather Conditions
ylwhxht的博客
06-16 270
Robust 3D Object Detection in Cold Weather Conditions
Robust Object Detection Via Soft Cascade
10-24
在计算机视觉和机器学习领域，目标检测是实现图像理解的关键技术之一。目标检测不仅需要准确地识别出图像中的目标物体，还需在不同位置和尺度上对其进行定位。然而，图像中目标物可能出现的复杂多变性，以及非目标物...
[CVPR-21] Robust and Accurate Object Detection via Adversarial Learning
qq_40731332的博客
08-16 1340
代码：https://github.com/google/automl/tree/master/efficientdet/Det-AdvProp.md 目录 摘要 引言 方法 AdvProp Det-AdvProp 实验 质量实验 消融实验 摘要 目标检测的数据增强还未被充分探索； 目标检测模型通常基于fine-tuning pre-trained classifier，本文首先探索了数据增强对分类器的改善能否传递给检测模型，结果是不行； 本文进一步探索了对object...
读Robust Object Detection Via Soft Cascade 小结
tracyliang223的专栏
05-16 3319
Within this context, the conventional cascade structure requires finding the smallest t and threshold rt such that the fraction of faces with trace values greater than rt is greater than the target
收藏 | 半监督目标检测相关方法总结
机器学习社区
01-20 2630
近期阅读了一些半监督目标检测（Semi-Supervised Object Detection，SSOD）的文章，特此总结，以供未来查阅。 什么是半监督目标检测？ 传统机器学习根据训练数据集中的标注情况，有着不同的场景，主要包括：监督学习、弱监督学习、弱半监督学习、半监督学习。由于目标检测任务的特殊性，在介绍半监督目标检测方法之前，我们查看一下目标检测在这四个方向下的具体设定，如下图所示（不包括无监督学习）： 图一 目标检测的不同的 setting 干货推荐 浙大博士导师深度整理：Tensorflow
计算机视觉最新进展概览(2021年4月18日到2021年4月24日)
weixin_36670529的博客
03-15 2563
1、VM-MODNet: Vehicle Motion aware Moving Object Detection for Autonomous Driving 运动目标检测(MOD)是自动驾驶中的一项关键任务，需要准确检测出自我车辆周围的运动主体，以进行安全的轨迹规划。它还能基于运动线索对物体进行外观无关性检测。还有一些几何上的挑战，比如运动视差模糊，这让它成为一个难题。在本研究中，我们的目标是利用车辆运动信息，并将其输入模型，以获得一个基于自我运动的自适应机制。其动机是使模型能够隐式地进行自我运动补偿
【3D 目标检测】TANet: Robust 3D Object Detection from Point Clouds with Triple Attention
qq_36380978的博客
10-10 1791
一 核心思想 本文提出的TANet方法，在pedestrain上表现很好。主要应用tripleattention方法，对目标的特征进行权重的调整。网络主要分为两个框架，一个是TripleAttention框架和Coarse-to-FineRegression框架。 1、Triple Attention。结合channel-wise注意力、point-wise注意力和voxel-wise注意力来增强目标的关键信息，并抑制不稳定的点。其中channel-wise注意力用于判断每个voxel中哪些cha...
Object Detection(目标检测神文)---3
热门推荐
03-23 2万+
Object Detection on Mobile Devices Pelee: A Real-Time Object Detection System on Mobile Devices intro: ICLR 2018 workshop track intro: based on the SSD arxiv: https://arxiv.org/abs/1804.06882 ...
ICCV2013、CVPR2013、ECCV2013目标检测相关论文
07-02 1万+
原文  http://www.cnblogs.com/panlonyin/p/3518861.html CVPapers 网址： http://www.cvpapers.com/   ICCV2013 Papers about Object Detection: 1. Regionlets for Generic Object Detection. Xiaoyu W
attacker
Bossqian(钱总)'s wikiup
05-06 2097
1、云台、罗技得到图象的大小2、云台的状态3、全景摄像头的正前方会随着本身转动而转动吗4、全景与云台的差异？ 5、angle=atan2(y,x);   求出的是什么？6、目标中心的计算可以取色块重心吗？
解读CMVision
Bossqian(钱总)'s wikiup
08-30 1951
Part I      首先必须了解CMVision所处理的图像格式为YUV，如YUYV，两个像素占一个32位的结构体：{y1,u,y2,v}，故压缩了一半。CMVision的实时性完全取决于将每一像素与三通道颜色分量6个阈值的比较转化为直接用数组访问+移位操作，这种方式有点像直方图的建立过程，值落在数组的某一个index上就取出该index处的值，0表示不在阈值范围内，整个过程没有使用条件判
omnivision 全景 摄像头
Bossqian(钱总)'s wikiup
03-26 1748
http://www.robotessence.com/peijian7.htm
Robocup资料搜索
Bossqian(钱总)'s wikiup
03-13 1676
baidu关键词：robocup仿真机器人   robocup虚拟机器人  视觉定位   双目视觉定位http://www.unsp.com.cn/dvbbs/printpage.asp?BoardID=60&ID=4256http://www.yrobot.net  教育机器人在线  ID:ctexhttp://www.yrobot.net/Jishu/ArticleShow.asp
Robot research links
Bossqian(钱总)'s wikiup
03-03 1633
Robothttp://www.robotessence.com/Productmanage/first.htmlhttps://www3.cauc.edu.cn/yjs/jqr/view.asp?id=246http://news.hit.edu.cn/54/2004/540510174340/http://www.guangdongdz.com/special_column/tec
dinov2 object detection
最新发布
11-30
此外，综述论文如"DINOv2: Learning Robust Visual Features without Supervision"提供了理论基础。 ### 总结 DINOv2通过增强语义表示，显著提升了目标检测在复杂场景下的性能，但需针对具体应用权衡其计算成本。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值