文章目录一、 SqueezeNet：压缩再扩展1.1 介绍1.2 相关工作1.2.1 模型压缩1.2.2 CNN 微/宏 架构1.3 SqueezeNet1.3.1 设计策略1.3.2 fire 模块1.3.3 SqueezeNet架构1.4 评价SqueezeNet1.5 CNN微架构设计空间探索1.5.1 微架构的元参数1.5.2 压缩比1.5.3 1×1和3×3卷积核的比例1.6 CNN宏
转载
2024-02-16 10:56:47
89阅读
最近几周忙着考试，一直没有写了，这样不好，还是得勤写才是。虽迟但到，祝大家新年快乐！新的一年咱们共同学习，共同进步。这就开始新年第一篇，攻克目标检测难点，虽然也是微信搬来的，但写的是真好，与君共勉！目录目标检测难点概述秘籍一，模型加速之轻量化网络1 SqueezeNet：压缩再扩展2 MobileNet：深度可分离2.1 MobileNet V12.2 Mo
转载
2024-05-13 16:05:17
236阅读
论文研究了非常有意义的增量式少样本目标检测场景iFSD(Incremental Few-Shot Detection)，场景设置如下：检测模型可以在包含充足样本的基础类别上进行训练训练好后，iFSD能够应用到真实世界中，任何新类别在任何时候都能通过少量标注样本进行注册对于无限的新类别的学习，在内存使用量、存储用量和计算量上都应该是可行的，理想情况下，模型可以发布在资源有限的设备上，如手机和机器
作者：叶卓勋 刘妹琴 张森林摘 要工业环境下表面缺陷检测是质量管理的重要一环, 具有重要的研究价值.通用检测网络(如YOLOv4)已被证实在多种数据集检测方面是有效的, 但是在工业环境的缺陷检测仍需要解决两个问题: 一是缺陷实例在表面占比过小, 属于典型的小目标检测问题; 二是通用检测网络结构复杂, 很难部署在移动设备上.针对上述问题, 提出
摘要 SSD (Single Shot Multibox Detector)： 是目前最好的目标检测算法之一，它具有精度高、速度快的优点。然而SSD的特征金字塔检测方法难以融合不同尺度的特征。 FSSD： 本文提出特征融合SSD(Feature Fusion Single Shot multi - box Detector, FSSD)，这是一种改进的特征融合算法，采用了一种新型的、
转载
2024-08-09 17:39:22
34阅读
随着目标检测算法的快速发展，以及终端应用的日渐广泛，工业界对深度学习网络在终端应用的关注度越来越高，尤其是对于如何保持速度和精度上的平衡，也形成了不小的研究热度。本篇整理了一些较新的轻量级目标检测网络，结合我们自己的目标，所选的网络参数量多在4M以下。1. YOLO NanoYOLO Nano是一个高度紧凑的网络，它是一个基于YOLO网络的8位量化模型，并在PASCAL VOC 2007数据集上进
转载
2024-05-21 10:57:40
546阅读
本文将从轻量级网络(MobileNetV2、ShuffleNetV2)、轻量级检测(Light-Head R-CNN、ThunderNet)、轻量级分割(BiSeNet、DFANet)3个方面进行介绍...
转载
2021-06-24 14:18:15
636阅读
一：网络整体介绍
ThunderNet的整体架构如下图所示。 ThunderNet使用320×320像素作为网络的输入分辨率。整体的网络结构分为两部分：Backbone部分和Detection部分。网络的骨干部分为SNet，SNet是基于ShuffleNetV2进行修改得到的。 网络的检测部分，利用了压缩的RPN网络，修改自Light-Head R-CNN网络用以提高效率。 并提出Conte
原创
2021-08-26 11:54:52
506阅读
OpenCV实现yolov3实时目标检测前言这是小白第一次写博客，有什么错误和不严谨的地方还希望大家多多斧正。最近在B站看了一个小哥从youtube搬来的一个视频，自己就照虎画猫跟着敲起了代码，接下来我就给大家介绍一下基本流程步骤，自己也学习学习。OpenCV是一个十分强大的开源跨平台计算机视觉库，同时提供了Python、Ruby、MATLAB等语言的接口，可以运行在Linux、Windows、A
转载
2023-10-29 09:56:15
99阅读
目标检测作为计算机视觉领域的顶梁柱，不仅可以独立完成车辆、商品、缺陷检测等任务，也是人脸识别、视频分析、以图搜图等复合技术的核心模块，在自动驾驶、工业视觉、安防交通等领域的商业价值有目共睹。正因如此，YOLOv5、YOLOX、PP-YOLOE、PP-PicoDet等优秀算法层出不穷，各有优劣侧重。而在当前云、边、端多场景协同的产业大趋势下，运行速度、模型计算量、模型格式转化、硬件适配、统一部署方案
在上一节内容中，介绍了如何将YOLO应用于图像目标检测中，那么在学会检测单张图像后，我们也可以利用YOLO算法实现视频流中的目标检测。将YOLO应用于视频流对象检测首先打开 yolo_video.py文件并插入以下代码：# import the necessary packages
import numpy as np
import argparse
import imutils
imp
转载
2024-04-29 10:04:48
173阅读
据说，现在很多小区都上线了AI抓拍高空抛物的黑科技，可以自动分析抛物轨迹，用来协助检查很多不文明行为。你想不想知道，这类检测视频中目标物的黑科技是怎么实现的呢？虽然不同场景下的目标检测模型训练不同，但底层技术都是一样的。这里就一步步来教一下大家如何用C++ 和OpenCV 实现视频目标检测（YOLOv4模型）。1. 实现思路读取视频流，载入
转载
2023-12-26 14:17:35
133阅读
文章目录1.介绍2.FCOS中使用的方法2.1 网络结构2.2FCOS中使用`FPN`的多级预测2.3FCOS中的中心度3.mmdetection中`FCOS`源码参考资料 1.介绍论文:《FCOS: Fully Convolutional One-Stage Object Detection》 是澳洲阿德莱德大学的Zhi Tian等最早于2019年04月提交的工作成果，发表在ICCV上。FCO
转载
2024-04-03 15:17:17
37阅读
SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and< 1MB model size（2016）
论文链接：http://arxiv.org/abs/1602.07360
代码链接：https://github.com/DeepScale/SqueezeNetNNCC：SqueezeNet可以极大地减少参数的数量，
转载
2024-01-29 08:30:48
112阅读
前言运动目标检测是图像领域的一个经典问题，相关的算法较多。本文的运动目标检测主要基于背景消去(Background Subtraction)算法，本文将手动实现背景消去算法并检测到运动物体的实时位置。编程的基本环境是VS2019+opencv4.4，环境配置可参考：。一、基本原理我们的基本思想是使用背景消去算法将运动物体从图片中提取出来，想象一下，一张没有运动物体的环境图，和突然出现某个物体的图，
转载
2023-12-14 15:58:05
389阅读
1.前言除了深度学习【目标检测】专栏，我开通了深度学习【目标追踪】专栏，用来记录学习目标追踪算法（单目标追踪SOT/多目标追踪MOT）论文/代码的解析。最近我在阅读目标追踪领域的文献综述时，遇到了很多关于孪生网络（siamese network）在目标追踪领域的应用。这里，我们以单目标追踪SOT中比较经典的Fully-Convolutional Siamese Networks（称之
1.什么是SpringSpring框架是一款开源java平台。创建于2003年，轻量级框架(基本版本只有2M)。使用Spring优点：(1) 使用POJOs开发，不再需要EJB容器；如果必要，仅需要Tomcat或其他servlet容器(2) 模块化组织，只需关注用到的模块(3) &
转载
2024-05-31 01:43:36
52阅读
opencv调用yolov3模型进行深度学习目标检测，以实例进行代码详解对于yolo v3已经训练好的模型，opencv提供了加载相关文件，进行图片检测的类dnn。 下面对怎么通过opencv调用yolov3模型进行目标检测方法进行详解，付源代码1、建立相关目录在训练结果backup文件夹下，找到模型权重文件，拷到win的工程文件夹下 在cfg文件夹下，找到模型配置文件，yolov3-voc.cf
转载
2024-02-22 17:08:13
47阅读
论文是学术研究的精华和未来发展的明灯。小黑决心每天为大家带来经典或者最新论文的解读和分享，旨在帮助各位读者快速了解论文内容。个人能力有限，理解难免出现偏差，建议对文章内容感兴趣的读者，一定要下载原文，了解具体内容。摘要现有的RGB-D显著性对象检测(SOD)模型需要大量的计算和内存消耗才能准确检测显著性对象。这限制了这些RGB-D SOD模型的实际应用。为了解决这一问题，本文提出了一种新型的轻量级
转载
2022-10-06 13:28:54
178阅读
[ 轻量级网络 ] 经典网络模型1——SqueezeNet 详解与复现? SqueezeNet? SqueezeNet 详解? SqueezeNet 网络结构? 模型轻量化优势? 模型压缩方法? Fire Module? SqueezeNet 结构框图? SqueezeNet 结构探索? 微观结构探索? 宏观结构探索? SqueezeNet 复现 ? SqueezeNetSqueezeNet 在
转载
2024-01-13 20:01:29
95阅读
