本文介绍一篇一阶段的3D物体检测网络：SE-SSD，论文已收录于 CVPR 2021。 这里重点是理解本文提出的 Consistency Loss 、Orientation-Aware Distance-IoU Loss、Shape-Aware Data Augmentation。论文链接为：https://arxiv.org/pdf/2104.09804.pdf （中文翻译）项目链接为：htt
从上一篇论文研读开始，我们从两阶段的目标检测算法转到了一步走式的目标检测算法。我们介绍了 yolo 这种快速实时的检测算法的第一版本。但在继续研读 yolo v2 和 v3 之前，我们先来研读一下同样是一步走算法的 SSD。 SSD算法的全称为 Single Shot MultiBoxDetector
论文地址：https://arxiv.org/abs/2104.14805代码地址：https://github.com/fanq15/FewX FSVOD介绍Datasets方法小样本视频目标检测网络Tube Proposal 网络基于tube的匹配网络端到端训练实验 介绍Few-Shot Video Object Detection小样本视频目标检测（FSVOD）即给予一些少量目标对象的图片，
转载
2024-04-14 13:59:54
90阅读
导言
目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，同时目标检测也是泛身份识别领域的一个基础性的算法，对后续的人脸识别、步态识别、人群计数、实例分割等
转载
2024-03-18 08:58:15
193阅读
对于使用机器学习解决的大多数常见问题，通常有多种可用的模型。每个模型都有自己的独特之处，并随因素变化而表现不同。每个模型在“验证/测试”数据集上来评估性能，性能衡量使用各种统计量如准确率（accuracy），精确率（precision），召回率（recall）等。选择的统计量通常针对特定应用场景和用例。 对于每个应用场景，选择一个能够客观比较模型的度量指标非常重要。本文将介绍目标检测（Object
转载
2024-04-26 06:26:58
438阅读
图像检测任务在人脸识别、自动驾驶、医疗、工业等实际生活中相当常见。在深度学习崛起前，早期的图像检测任务如人脸识别，主要是利用手工设计特征描述子、滑动窗口+AdaBooost、SVM这一pipeline进行。然而该方法存在大量问题：检测框多、速度慢、精度低、鲁棒性差等。随着深度学习的崛起，图像识别、图像检测、图像分割等任务取得了重大的突破。其中，R-CNN算法拉开了深度学习应用于图像
Lua 是一种轻量小巧的脚本语言，用标准C语言编写并以源代码形式开放， 其设计目的是为了嵌入应用程序中，从而为应用程序提供灵活的扩展和定制功能。Mac安装：brew install lua一些特性：1、支持面向过程(procedure-oriented)编程和函数式编程(functional programming)；
2、自动内存管理；只提供了一种通用类型的表（table），用它可以实现数组，哈
TCP ping-pong 测试 go 收发20W QPS 单线程/多线程 boost::asio 收发 9W7 QPS 单线程 / 多线程ae(Redis网络库) 收发7W5 QPS 单线程libuv 收发 6W9 QPS 单线程...
原创
2023-05-31 00:14:48
50阅读
YOLOv3介绍： 发表在2018年的CVPR上，论文名称：An Incremental Improvement。 上图可以看出 yolov3在COCO数据集上，推理速度是最快的，但是准确率不是最高的。  
转载
2024-04-09 10:37:08
48阅读
# Kubernetes网络插件性能对比指南
## 概述
在使用Kubernetes进行容器编排时，网络插件的性能对集群的稳定性和吞吐量有着重要的影响。本文将介绍如何实现Kubernetes网络插件性能对比，以帮助刚入行的开发者更好地了解和选择适合自己场景的网络插件。
## 流程概览
下面是进行Kubernetes网络插件性能对比的整体流程：
| 步骤 | 描述 |
| ---- | ---
原创
2023-08-18 08:46:29
73阅读
FCN1FCN网络结构1.1 结构详解1.2 三大特点2代码实现2.1开发环境2.2主干网络2.3进行预测2.3.1 进行单张图像的预测2.3.2 进行单张图像的预测并改变输出颜色和保存图像2.3.3 进行批量图像的预测和统计和保存2.3.4 进行文件夹文件夹文件批量图像的预测和统计和保存3训练自己的模型 1FCN网络结构1.1 结构详解https://www.sohu.com/a/270896
现在开发B/S这种模式时我一般会首选是JAVA，不过以前也曾经用过ASP，PHP，.NET，前天我做了一个加法运算的性能测试，发现JAVA确实在性能上很突出，当然dotnet也错，java的性能在很大程度上是看他用的jdk版本,如果用jdk1.6性能要远远高于jdk1.4，不过即使用jdk1.6，其性能也只能和dotnet（dotnet我也是用最新dotnetframework...
转载
2006-12-22 11:01:00
659阅读
2评论
近年来，NoSQL数据库凭借其易扩展、高性能、高可用、数据模型灵活等特色吸引到了大量新兴互联网公司的青睐，包括国内的淘宝、新浪、京东商城、360、搜狗等都已经在局部尝试NoSQL解决方案。目前市场上有很多优秀的NoSQL产品，如MongoDB 、SequoiaDB、Cassandra、HBase等，每个产品都有其特性，但也有各自的缺陷。 近日，知名独立基准测评机构Bankmark，针对目前市面上
转载
2024-05-27 22:15:18
92阅读
Chrome浏览器性能对比测试报告 十五年前，Netscape推出第二代浏览器并改名为Navigator。后来微软认识到浏览器的重要性，迅速推出了最早的IE版本，并捆绑进操作系统，最终打 败了Netscape。时间进入了
转载
2024-03-13 20:37:00
49阅读
以下介绍来自于github工程整理：DeepLearning-500-questions，具体gihub项目在文末参考。PASCAL VOC数据集VOC数据集深入介绍在文末参考，垃圾CSDN，有链接就不让发。。。VOC数据集是目标检测经常用的一个数据集，自2005年起每年举办一次比赛，最开始只有4类，到2007年扩充为20个类，共有两个常用的版本：2007和2012。学术界常用5k的train/v
转载
2024-03-17 13:44:14
96阅读
基于深度学习的目标检测研究进展
前言 开始本文内容之前，我们先来看一下上边左侧的这张图，从图中你看到了什么物体？他们在什么位置？这还不简单，图中有一个猫和一个人，具体的位置就是上图右侧图像两个边框(bounding-box)所在的位置。其实刚刚的这个过程就是目标检测，目标检测就是“给定一张图像或者视频帧，找出其中所有目标的位置，并给出每个目标的具体类别”。 目标检测对于人来
转载
2024-08-20 22:06:42
83阅读
优点：为了高效的使用CPU，数据不仅仅按列存储，同时还按向量进行处理；数据压缩空间大，减少IO；处理单查询高吞吐量每台服务器每秒最多数十亿行；索引非B树结构，不需要满足最左原则；只要过滤条件在索引列中包含即可；即使在使用的数据不在索引中，由于各种并行处理机制ClickHouse全表扫描的速度也很快；写入速度非常快，50-200M/s，按照每行100Byte估算，大约相当于50W-200W条/s的写
转载
2023-09-05 16:56:05
70阅读
通过对ESXi虚拟化网络性能进行比较，可以帮助用户更好地了解华为设备在虚拟化网络方面的表现和优势。ESXi是一款由VMware公司开发的虚拟化软件，被广泛应用于企业级服务器和数据中心中。华为作为全球领先的通信技术解决方案供应商，其设备在网络通信领域有着良好的口碑和市场份额。
ESXi虚拟化网络性能对比主要包括网络吞吐量、延迟和数据传输速度等方面的比较。在网络吞吐量方面，ESXi可以通过多个虚拟机
原创
2024-03-05 11:52:19
171阅读
写在前面，相关blog： 金良的博客 | Jinliang Blogjinliangxx.github.io
1. 目标定位我们首先研究一个简单的定位分类问题，通常只有一个较大的对象位于图片中间位置，我们对他进行定位和识别。首先描述我们的分类问题，分类结果为行人、汽车、摩托车、背景。背景意味着不含前三类。然后加上定位，我们可以输出红色方框的中心点、高度、宽度。根据
转载
2024-08-16 09:05:59
39阅读
如有错误，恳请指出。 文章目录1. Introduction2. Revisit PP-YOLO2.1 Pre-Processing2.2 Baseline Model2.3 Training Schedule3. Selection of Refinements3.1 Path Aggregation Network3.2 Mish Activation Function3.3 Larger I
转载
2024-08-15 14:08:21
46阅读
