- 博客(15)
- 收藏
- 关注
RSS订阅
原创 MapTR 模型详解：结构化建模与在线矢量化高精地图构建的开端
MapTR 模型正是在这样的背景下应运而生，它通过端到端的 Transformer 架构，矢量化建模，实现了高效、准确的在线矢量化地图构建。本文将从模型创新、各模块的概念（包括为何需要该模块、作用及其工作机制）、代码实现细节和实验效果等多个角度，带大家深入解析 MapTR 模型。
2025-02-20 18:15:21
850
原创 VectorMapNet 模型详解：高效构建矢量地图的全新思路
无图感知在线建图VectorMapNet模型详解。VectorMapNet 是一种用于在线构建矢量化地图的深度学习模型。VectorMapNet 为在线生成高精地图提供了新的视角，其方法不仅减少了人工后处理步骤，还兼顾了精度与效率。通过端到端矢量化地图学习；利用多段线作为地图原语；分阶段（检测 + 生成）建模，避免了后处理等多优势多创新，非常建议大家去看看原文和源码进行更深入的学习，欢迎一起探讨。
2025-02-10 22:25:59
875
原创 HDMapNet 模型详解：端到端高精地图构建的创新之路
HDMapNet 是一个在线高清地图构建模型，其核心思想在于利用深度神经网络从多模态传感器数据中直接预测鸟瞰视角（BEV）下的地图元素，如车道线、道路边界和人行横道等。传统方法大多依赖栅格化表示和繁琐的手工标注，而 HDMapNet 则采用矢量化的地图表示，既节省存储又便于下游任务的处理，从而大幅提升了实时性和精度。
2025-02-06 16:32:47
823
原创 目标检测Relation DETR详解
通过引入显式的位置关系先验，Relation-DETR在自注意力机制中加入了结构性偏置，弥补了传统DETR在输入上缺乏结构性偏置的问题。这种先验知识的引入，使模型能够更有效地捕捉目标之间的位置关系，从而加速收敛并提高检测性能。
2025-01-21 15:22:21
700
原创 目标检测SOTA模型D-FINE详解
D-FINE超越YOLOv11和RT-DETRv3的最新模型D-FINE，基于RT-DETR基线代码进行优化。从图中可观察到，不论是从推理速度、模型参数量、模型计算量，均超过了主流的目标检测模型。
2024-11-04 19:59:52
1992
4
原创 YOLOv10安装及推理（纯小白版）
在本篇教程中，我们从零开始逐步搭建了YOLOv10的运行环境，并完成了模型的基本推理操作。首先，我们配置了Pycharm和Anaconda，利用Anaconda实现了虚拟环境的隔离和依赖包的便捷管理，极大地简化了深度学习项目的环境搭建。随后，我们安装了YOLOv10及其所需的依赖库，确保推理正常运行。通过这篇文章，相信大家已经掌握了YOLOv10项目从环境配置到基本推理的整个流程。YOLO系列的轻量化与高性能使其成为视觉训练的良好选择，希望通过本篇文章的实践操作，能够帮助初学者顺利入门计算机视觉开发。
2024-10-31 14:43:42
2152
原创 CV目标检测面试必备Faster-RCNN源码讲解
在上篇讲解了RCNN以及Fast RCNN的原理，分析了其中还欠缺的问题所在，主要就是预选框的选择依旧导致训练速度慢，所以Faster RCNN应运而生，淘汰Seletive Search作为候选框选择方法，提出使用RPN网络来构建候选框，当然还有特征提出网络，分类和回归分支进行改进。下面来从原理结合代码的角度分析一下。
2023-03-01 20:49:48
691
原创 CV目标检测面试必备RCNN系列1
最近准备CV实习，重新回顾RCNN系列，大部分朋友都认为Faster-RCNN时代已经成为历史，为什么要看Faster-RCNN，这不是浪费时间吗，我最初也是这么认为，但是实验室师兄在面试CV岗经常会遇到Faster-RCNN中的RPN网络结构，怎么训练，损失如何计算等等问题，虽然随着技术发展，Faster-RCNN在大部分公共数据集上的成绩并没有如今大火的YOLO，transformer分数高，但是包含了许多起初的知识点，能够让我们更好的去学习，熟话说，了解一门技术还是得熟悉它的历史。同时虽然Faster
2023-02-28 11:56:57
648
原创 yolov4论文解析
由于yolov3作者退出yolo算法更新，但并没有停止对yolo的改进。2020年yolov4发出，并得到原作者的肯定。yolov4论文中做了非常多的消融实验进行对比，使用很多的训练策略，在精度上面对比yolov3有比较大的提升。首先来看一下yolov4在coco数据集上的AP值，保证了速度的同时，提到了进度。对比yolov3提升了接近10%的AP值，可以看出yolov4的效果是非常的不错，而对比efficientDet虽然精度低，但是在速度上远超过它，能够达到实时检测的效果。
2022-11-12 10:04:30
1602
原创 yolov3源码逐行详解（3.0版本）
次看主文件，在进入主函数中逐行调试，进而对代码全局有个了解。接下来就是主文件，train.py训练文件、test.py测试文件（用于训练中每个epoch的测试）、models.py模型文件、detect.py预测文件、requirements.txt其中是项目需要的环境配置。版本，主要是因为其中使用的一些训练技巧不多，方便入门，在最新版本中作者使用了很多yolov5的训练技巧，不好理解，所以我们从最初版本一步一步学。首先是传入参数，每个参数的含义可以看我写的注释，然后进入到train函数。
2022-11-03 14:50:24
4447
1
原创 RepVGG论文详解（超级详细）
RepVGG是2021年发表于CVPR，它和resnet一样是一种图像分类网络，在目标检测中被用作backbone，论文提出一种新型技术称之结构重参数化，简单来说就是对训练出的模型进行等价替换成一个简单的模型，然后用这个简单的模型进行推理（也就是testing），目的就是加快推理速度，提高模型实用性。RepVGG当中的结构重参数化这个方法值得我们去学习，对模型的部署非常友好，在未来的发展中，重参数化会越来越受欢迎（YOLOv6使用了这个方式）。
2022-11-01 17:34:28
9857
原创 YOLOv3论文笔记
yolov3这篇论文与v1v2是同一个作者，但由于实时监测技术的快速提高，大多用于军工类导致更多的战争，作者表明并不是其本意并表示yolov3是其最后更新的一次。所以在这篇论文当中作者仅仅写了5面的内容，其中很多没有讲的很详细，很多细节需要大家从源码当中去了解。yolov3在原来的基础上做出一些改进，使用了更大的模型，让yolov3能够与其他高精度的检测模型达到相同精度，但是速度快三倍，如SSD。
2022-09-22 12:44:47
1411
2
原创 YOLOv2论文笔记
前些天把yolov1论文学习完，今天分享一下yolov2的论文（YOLO9000：Better，Faster，Stronger），主要是对yolov1的缺点进行改进，并提出一些训练小trick。
2022-09-16 18:02:29
1267
1
原创 yolov1论文笔记
分享一下最近阅读yolov1的这篇论文理解，有不对请各位大佬指点。 论文地址：链接: https://pan.baidu.com/s/1EyXhYMdZutK5WsyowHZ7xw 提取码: 6666目录摘要引言（YOLO的优点）YOLO模型主要思想网络模型设计损失函数结果对比本人初入目标检测的大坑，前段时间学了R-CNN系列网络，最近准备学习YOLO，目前YOLO的发展迅速，YOLOV6、v7都很强，但是我认为YOLOv
2022-09-15 15:19:11
1158
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人