爱做菜的炼丹师

文章导读旋转框的目标检测任务通常出现在遥感数据，文本数据，以及点云鸟瞰图数据中。对旋转框的表达会采用中心点和长宽再加上旋转角，然后设计损失函数求学习误差。以下介绍一篇讲述旋转框回归引起的旋转敏感度误差以及如何解决该问题的文章《Learning Modulated Loss for Rotated Object Detection》。目录 前沿 核心思想 问题描述 解决方法 思考展望 前沿目标检测任务根据方向，通常可分为水平框检测和旋转..

文章导读本文是一篇将注意力机制应用在点云目标检测中的文章《TANet: Robust 3D Object Detection from Point Clouds with Triple Attention》，通过三元注意力机制强化目标信息，并用二级回归的方法提高定位精确度。目录 前沿 核心思想 框架结构 实现细节 要点分析 思考展望 前沿3D点云目标检测通常采用三种策略：1. 基于原始点云的方法，设计网络提取特征，然后用两阶段.

本文是一篇2018年IEEE IV会议上的端到端车道线检测的文章，宣称可以适应变化的车道环境，并且速度可以达到50FPS（感觉聚类时间没加进去）。文章链接：《Towards End-to-End Lane Detection an Instance Segmentation Approach》核心思想：采用实例分割的方式得到每条车道线的像素点集，通过学习出路面的透视投影矩阵，将前视图转换到鸟瞰图视...

摘要一篇分析了极端尺寸变化下的目标识别和检测技术。通过在不同的输入数据配置下对检测器进行训练，比较了检测器的特定尺寸设计和不变尺寸设计。通过评估不同网络架构在ImageNet上对小对象进行分类的性能，我们证明了CNNs对尺度变化的鲁棒性。在此分析的基础上，我们提出了一种图像金字塔在同一尺度上用于训练和测试的检测器。由于小对象和大对象分别在更小和更大的尺度下难以识别，因此我们提出了一种新的训练方...