Cuibaby的博客

关于知识蒸馏，你一定要了解的三类基础算法

diffusion model

Diffusion Models：生成扩散模型

目录 激光雷达点云的研究激光雷达数据的处理方法分类体素转化为图像直接对点云操作 三种方式的优劣 激光雷达点云的研究 目前，学术界和业界对于激光雷达点云的处理方式的研究变的非常热门。我认为原因有二： 来自学术界的推力：对于图片中的许多问题有了突破性的进展，例如图片...

Mask R-CNN </h1> <div class="clear"></div> <div class="postBody"> https://www.cnblogs.com/kk17/p/9991446.htmlAROI部分理解:https://blog.youkuaiyun.com/qinghuaci666/article/details/80900882  https://blog.youkuaiyun.com/y...

paper:https://arxiv.org/abs/2005.12872Github开源地址：facebookresearch/detr一、创新点将目标检测任务转化为一个序列预测（set prediction）的任务，使用transformer编码-解码器结构和双边匹配的方法，由输入图像直接得到预测结果序列。和SOTA的检测方法不同，没有proposal（Faster R-CNN），没有anchor（YOLO），没有center(CenterNet)，也没有繁琐的NMS，直接预测检测框和类别，利用.

一、目标检测基础： 任务定义 基本检测流程 二、深度目标检测： 两阶段检测器：R-CNN系列，后续相关工作 单阶段监测器：YOLO,SSD,RetinaNet 三、目标检测评价： 评价方式 数据集和比较方法 一、目标检测基础 1、任务定义： 目标检测： 输入：图像或者图像序列 输出：在每张/帧图像上，判断是否有指定类别的物体，如果有，给出所有物体的位置和大小（位置和大小可以用框图左上角坐标和长宽表示（x,y,w,h））** 对于类型的...

近期阅读的几篇关于车道线检测的论文总结。1. 任务需求分析1.1 问题分析针对车道线检测任务，需要明确的问题包括：（1）如何对车道线建模，即用什么方式来表示车道线。从应用的角度来说，最终需要的是车道线在世界坐标系下的方程。而神经网络更适合提取图像层面的特征，直接回归方程参数不是不可能，但限制太多。由此，网络推理输出和最终结果之间存在一个Gap，需要相对复杂的后处理去解决。（2）网络推理做到哪一步。人在开车时观察车道线，会同时关注两方面信息：绘制在路面上的车道线标识本身通过车...

今天来看一篇复古的文章，Full Convolutional Networks 即全卷积神经网络，这是 2015 年的一篇语义分割方向的文章，是一篇比较久远的开山之作。因为最近在研究语义分割方向，所以还是决定先从这个鼻祖入手，毕竟后面的文章很多都借鉴了这篇文章的思想，掌握好基础我们才能飞的更高。本篇文章分为两部分: 论文解读与代码实现。论文地址: Fully Convolutional Networks for Semantic Segmentation​people.eecs.berkeley.edu论文

Unet 背景介绍Unet 发表于 2015 年，属于 FCN 的一种变体，想了解 FCN 可以看我的另一篇 FCN 全卷积网络论文阅读及代码实现 。Unet 的初衷是为了解决生物医学图像方面的问题，由于效果确实很好后来也被广泛的应用在语义分割的各个方向，比如卫星图像分割，工业瑕疵检测等。Unet 跟 FCN 都是 Encoder-Decoder 结构，结构简单但很有效。Encoder 负责特征提取，你可以将自己熟悉的各种特征提取网络放在这个位置。由于在医学方面，样本收集较为困难，作者为了解决这个问题，应用

直观展现网络结构：http://ethereon.github.io/netscope/#/editor 卷积与逆卷积的动图https://github.com/vdumoulin/conv_arithmetic 【原文图】“Fully convolutional networks for semantic segmentation.”  上图中，32x即为扩大32倍。 Pool5扩大32...