y459541195的博客

1.部署1.1.OpenVINO工具包：在边缘设备基于CNN的深度学习推理支持跨Inter®CPU，Inter ®集成显卡，Inter®FPGA，Inter ®Movidius™神经计算棒，Inter ®神经计算棒2和具有Inter ®Movidius™VPU的Inter ®视觉加速器设计的异构执行通过易于使用的计算机视觉功能库和预先优化的内核加快推理时间包括对计算机视觉标准（包括Op...

Reference:https://github.com/jeffbass/imagezmqhttps://www.pyimagesearch.com/2017/09/18/real-time-object-detection-with-deep-learning-and-opencv/https://arxiv.org/abs/1704.04861https://github.com/c...

1. 配置显卡驱动、cuda 和 cudnn2. 配置DarkNet环境

目标检测

R-CNN虽然是ECCV2014年的论文，但它是目标检测算法的基石，Fast R-CNN、Faster R-CNN都是在R-CNN基础上的不断优化改进。1.什么是目标检测？给一张图，如上图，图片中的动物是什么？它在图片中哪个位置？这就是是目标检测要做的事情。目标检测主要两块内容：分类：解决“是什么”的问题，图片中是小熊猫还是小狗；定位：解决“在哪里”的问题，小熊猫在图片中的具体...

SPP-Net 是针对R-CNN的缺点，做出了改进。想要了解RCNN可以转到上一篇文章RCNN浅解SPP-Net是何开明大神于2015年发表在IEEE上的论文-《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》下面看看SPP-Net做了哪些改进的地方。SPP-Net改进点：只做一次...

Fast R-CNN在第一代卷积网络RCNN的基础上，采用了SPP-Net网络的方法，诞生了第二代目标检测卷积网络算法。Fast R-CNN论文Fast R-CNN是在2015年ICCV上发表，论文地址：《Fast R-CNN》Fast R-CNN的流程：input image → CNN → 每张候选框的特征 → 分类和回归而R-CNN 的流程：候选框（~2k）→ CNN → 每个...

前提目标检测第一代算法R-CNN，第二代是Fast R-CNN ，第三代是Faster R-CNN，目标检测区域卷积神经网络一代比一代速度快且强。Faster R-CNN论文：《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》读论文可以了解其思想，为我们提供了一种解决问题的思路，通...