编辑：肖琴【导读】来自北京大学、清华大学和微软亚洲研究院的研究人员提出一种新的、更精细的对象表示方法RepPoints，抛弃了流行的边界框表示，结果与最先进的基于 anchor 的检测方法同样有效。目标检测是计算机视觉中最基本的任务之一，也是许多视觉应用的关键组成部分，包括实例分割、人体姿态分析、视觉推理等。目标检测的目的是在图像中定位目标，并提供目标的类别标签。近年来，随着深度神经网络的快速发展
1、为什么需要anchor机制anchor机制由Faster-RCNN提出，而后成为主流目标检测器的标配，例如SSD、Yolov2、RetinaNet等等。Faster-RCNN中使用anchor机制的motivation如下：
In contrast to prevalent methods [8], [9], [1], [2] that use pyramids of images (Fi
Android Studio实现百度地图定位功能我的项目项目源码程序截图开发流程创建项目查看官方文档进入Android地图SDK获取密钥Android Studio工程配置代码阶段做关于位置或者定位的app的时候免不了使用地图功能，本人最近由于项目的需求需要使用百度地图的一些功能，所以这几天研究了一下，现写一下blog记录一下，欢迎大家评论指正！我的项目项目源码码云: 项目代码GitHub：项目代
转载
2024-08-15 09:11:20
48阅读
一、前言安装win10+linux-Ubuntu16.04的双系统（超细致）ubuntu16.04+caffe＋CUDA10.0+cudnn7.4+opencv2.4.9.1+python2.7 （超超细致）Caffe_ssd安装以及利用VOC2012,VOC2007数据集测试VGG_SSD网络Caffe实现MobileNetSSD以及各个文件的具体解释，利用自己的数据集dataset训练Mobi
转载
2024-08-22 10:28:50
59阅读
本文在Ubuntu下使用tensorflow的object detection API来训练自己的数据集。所用模型为ssd_mobilenet，也可以使用其他的模型。当然也可以在windows下训练，代码上没有多大差别，主要是配置环境那里，比较麻烦（windows和linux下都一样麻烦）。一、配置环境1. 在GitHub上下载所需的models文件，地址：https://github.com/t
转载
2023-11-01 14:03:08
118阅读
文章目录一、添加 TFLite 库二、用 TFLite 对图片做目标检测 TensorFlow Lite 是一个跨平台机器学习库，针对在边缘设备（包括 Android 和 iOS 移动设备）上运行机器学习模型进行了优化。其包含如下2个组件：Model Maker 是一个 Python 库，只需几行代码即可让您轻松地使用自己的数据训练 TensorFlow Lite 模型，而无需具备机器学习专业知
转载
2023-11-30 17:25:17
195阅读
一、准备图片在这里博主想要实现的是使用API来对手机进行检测，因此我们首先需要从网上下载一定数量的手机图片，将其保存在文件夹中（这里需要注意的是，我们下载的图片都需要为.jpg格式，原因我们会在下文讲到）。二、数据集生成因为我们之前下载的图片并没有标签，所以我们需要手工对图片进行标注，即手工对图片中的手机进行定位并对其标注。在这里，博主使用的标注工具是labelImg_windows_v1.5.1
转载
2023-12-16 23:41:11
60阅读
最近在看如何实现视频中道路目标的检测的相关博文，过程遇坑，简单总结。测试环境：Win10、TF-CPU、Opencv、Anaconda一、Anaconda下Tensorflow安装由于仅做测试，不用训练，简装CPU版本，Anaconda官网下载即可，打开cmd：pip install --opgrade tensorflow等待片刻后，打开spyder编辑器，新建文件下复制以下内容import t
转载
2024-06-05 13:09:11
50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
本文翻译自Deep Learning based Object Detection using YOLOv3 with OpenCV ( Python / C++ )基于OpenCV和YOLOv3深度学习的目标检测 本文，我们学习如何在OpenCV上使用目前较为先进的目标检测技术YOLOv3。YOLOv3是当前流行的目标检测算法YOLO(You Only Look Once)的最新变种算
转载
2024-01-17 09:45:11
130阅读
Android 目标检测模型的有效应用可以显著提升各种移动应用程序的智能化水平。在开发过程中，可能会遇到不同的版本、配置和兼容性问题，因此我将详细阐述如何应对这些挑战，并以博文的形式记录这一过程。
## 版本对比
在目标检测模型的不同版本中，主要的特性和功能是迥然不同的。下表展示了主要版本的关键特性，这对于选择合适的版本非常重要：
| 版本 | 支持的硬件 | 模型精度 |
Anchor-free 的检测算法可分为anchor-point的算法和key-point的算法。Anchor-point 检测器通过预测目标中心点，边框距中心点的距离或目标宽高来检测目标，本质上和anchor-based算法相似，此类算法有FCOS，CenterNet等；而key-point方法是通过检测目标的边界点（如：角点），再将边界点组合成目标的检测框，典型的此类算法包括CornerNet
在上一篇博客目标检测——TensorFlow口罩人脸目标检测中已经介绍了使用TensorFlow Objecti Detection API来进行口罩人脸目标检测，本文将在此基础上将使用TensorFlow Lite将模型迁移到安卓端，在安卓手机上进行目标检测。 文章目录模型转换Bazel安装和编译转换工具编译错误模型迁移 模型转换在data下新建tflite文件夹用来存放转换后的文件，然后在mo
转载
2024-01-11 11:16:55
92阅读
文章目录一、项目克隆与环境配置1. 下载源码2. 安装依赖包二、自定义数据集导入和预训练权重1. 导入自定义数据集2. 获得预训练权重三、修改配置文件1. data目录中的yaml文件2. model目录中的yaml文件四、开始训练 train.py1. 必须修改的参数2. 利用tensorbord查看参数3. 训练结果4. 检测训练后的网络5. 自己标定一个新的图片来验证6. 开启摄像头 一、
作者｜机器之心编辑部本文提出了一套模型压缩和编译结合的目标检测加速框架，根据编译器的硬件特性而设计的剪枝策略能够在维持高 mAP 的同时大大提高运行速度，压缩了 14 倍的 YOLOv4 能够在手机上达到 19FPS 的运行速度并且依旧维持 49mAP（COCO dataset）的高准确率。相比 YOLOv3 完整版，该框架快出 7 倍，并且没有牺牲准确率。该框架由美国东北大学王言治研究组和威廉玛
转载
2023-12-18 14:55:02
83阅读
项目目录项目的src文件夹下包含下面的文件夹，其中： 1 asserts 里面存放的是 YOLO5s.bin和YOLO5s.param, 2 java 中存放的是 java 源代码 3 jni c存储的是 YOLO5s的C++版本 4 res存放的android所需要的配置文件 使用 Android studio 直接在该文件的根目录打开就行基础编译该项目首页展示了如何进行代码的编译，可以参见官网
转载
2023-10-25 14:33:48
107阅读
安卓部署全流程部署口罩目标检测模型（落地部署安卓手机）项目简介1 该项目使用Labelimg进行数据标注，自定义数据集； 2 使用Paddlex将数据集划分为训练集、测试集； 3 使用PaddleDetection目标检测套件训练模型； 4 最后导出模型，通过PaddleLite生成.nb文件，部署到手机上； 5 安卓部署详细操作； （1）配置系统环境 （2）下载PaddleLite-dome （
转载
2023-11-22 17:38:27
286阅读
你只看一次(YOLO)是一个最先进的实时物体检测系统。在Pascal Titan X上，它以30 FPS的速度处理图像，在COCO test-dev上的mAP为57.9％。 与其他探测器的比较YOLOv3非常快速准确。 在mAP测量为.5 IOU时，YOLOv3与Focal Loss相当，但速度提高约4倍。 此外，您只需更改模型的大小即可轻松在速度和准确度之间进行权衡，无需再培训！Performa
转载
2023-07-26 23:17:17
266阅读
YOLOv4是一个综合多种技巧的大杂烩，YOLOv4的论文包含太多知识了，可以说是面试宝典，一定要把YOLOv4的论文搞懂了，哪怕花一个月，慢慢来。整篇论文就是一个综述，跟综述不同的是，里面有作者的实验，并实现了模型。 V4 中，作者做了很多实验，把近几年的一些方法加入yolo中，最终取得了 效果和速度的提升。通过了解yolov4，我们可以很好的知道近几年有哪些方法被提出来.做科研就是要这样，广
什么是目标检测目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置。例子：确定某张给定图像中是否存在给定类别（比如人、车、自行车、狗和猫）的目标实例；如果存在，就返回每个目标实例的空间位置和覆盖范围。作为图像理解和计算机视觉的基石，目标检测是解决分割、场景理解、目标追踪、图像描述、事件检测和活动识别等更复杂更高层次的视觉任务的基础。目标检测的
转载
2024-01-02 14:16:22
748阅读
