文章目录零、目标检测性能指标一、 confusion_matrix二、P&R&PR&F1_curve1. P_curve2. R_curve3. PR_curve4. F1_curve三、labels&labels_correlogram四、result.png&result.txt1. loss functions2. result.csv五、train
转载
2024-08-19 11:36:38
166阅读
大致思路是：该算法在行人检测算法的基础上，识别检测出来的行人的头部，并根
原创
2022-01-13 11:20:08
2554阅读
疲劳检测
原创
2022-07-01 17:06:28
329阅读
目标检测需要同时解决分类和定位两个任务，利用深度学习进行目标检测首先需要学习的是R-CNN。 一些基础知识1、R-CNNSelective Search（选择候选区域） 选择性搜索对图像中最有可能包含目标的区域进行搜索以提高效率，首先对输入图像进行分割产生很多小区域（如2000个），根据这些小区域的相似性（颜色、纹理、大小等）采用子区域合并的方法进行区域迭代合并，生成外切矩形，也就是候选框。非极大
目标检测网络-yolo本文将根据论文“基于深度学习的户外施工人员违规行为检测”需要掌握的知识进行讲解。常见3大数据集ImgNet、COCO 、VOC目标检测框相关的专业术语ground truth box（以下简称GT box）：又称为GT box，是指人工标注的正确的目标检测框 bounding box（以下简称B box）：预测目标边界框，也就是最终产生预测结果的边界框 anchor box/
目录数据集部分后端部分前端部分前后端连接数据集部分：在该项目当中我们采用的是传统的开源数据集SHWD(Safety helmet (hardhat) wearing detect dataset)数据集标签为hat，person数据集的一些想法数据集的收集，标记对于后面的的程序设计预计模型的准确度有十分重要的影响1.首先，我暂时对于数据集的标签并不满意，在我的想法中设置三个标签更加合理： 对于一个
转载
2024-04-17 13:51:01
161阅读
1.研究背景 在绝大多数目标检测网络中，如下图Fig1特征金字塔（Feature Pyramid Network，FPN）是一个不可缺少的部分，FPN网络主要解决的问题是目标检测在处理多尺度变化问题的不足。FPN主要有以下两个作用：1）多尺度特征融合，提高了特征的丰富程度；2）使用分治法，将目标检测任务按照目标尺寸不同，分成若干个检测子任务。 2.存在
转载
2024-05-27 17:28:09
67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、
边缘检测是图像处理和计算机视觉中基本的问题，边缘检测的目的是标识数字图像中亮度变化明显的点，图像属性中的显著变化通常反映了属性的重要事件和变化。边缘的表现形式如下图所示： 一、边缘检测的分类图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性，有许多方法用于边缘检测，它们的绝大部分可以划分为两类：（1）基于搜索（2）基于零穿越的注：两类边缘检测方法都
转载
2024-03-25 10:12:53
115阅读
本教程主要是对人脸检测及识别python实现系列 及碉堡了！程序员用深度学习写了个老板探测器（付源码） 的实现。主要实现的功能是用网络摄像头自动识别在工位通道走过的人脸，如果确认是老板的话，就用一张图片覆盖到整个屏幕上。虽然原教程已经写的很好，但是我们在实现的时候仍然踩了很多坑。本着让后来者少走点弯路的原则，我们特将最详细的步骤记录如下，以期读者朋友只花最少的时间便能体验用tensorflow实现
转载
2024-04-22 14:35:18
254阅读
文章目录一、背景二、方法2.1 Ground-truth and loss2.2 Online Feature Selection2.3 将 RetinaNet 和 FSAF 联合后如何训练和测试三、效果 论文：Feature Selective Anchor-Free Module for Single-Shot Object Detection代码：https://github.com/op
转载
2024-04-07 11:07:57
104阅读
# Nmap检测jQuery版本的实现指南
在这篇文章中，我将向你解释如何使用Nmap工具进行jQuery版本的检测。Nmap（网络映射器）是一个开源的网络扫描工具，广泛用于网络探测和安全审核。通过结合使用HTTP请求和特定的脚本，我们可以检测网页中使用的jQuery版本。
## 整体流程
任务的整体流程可以按以下步骤进行总结：
| 步骤 | 描述
按下【Win+R】组合键打开“运行“，输入“CMD”打开系统命令窗口 ping 127.0.0.1 这个命令
原创
2022-06-24 08:02:04
1010阅读
边缘检测与圆心检测是计算机视觉领域中两个重要的任务，广泛应用于图像处理、人工智能等多个领域。在本篇博文中，将详细记录如何在Python环境中进行边缘检测和圆心检测的实现过程。
## 协议背景
在图像处理的领域中，边缘检测和圆心检测在很多应用场景下都是基础而重要的操作。边缘检测能够帮助提取图像的结构信息，而圆心检测则常用于识别形状与图案。
我们可以将这一过程用四象限图的方式进行表示，展示边缘检
10月29日，苹果带来了AirPods系列无线耳机的第三代产品更新，并且有了全新的命名——AirPods Pro。“Pro”的加持，也给这款新品带来不少惊喜。相比前两代，AirPods Pro不仅带来了外观上的改变(全新入耳式设计)，并且还支持上了众期所盼的防水/降噪功能。勾起了不少用户的强烈购买欲。不过，在AirPods Pro才上市不久，山寨版本也悄然而至，据说仿真程度达到了80%，给用户在选
转载
2024-01-04 17:02:01
117阅读
在本文中提出了一种简单的注意力机制Box-Attention。它支持网格特征之间的空间交互(从感兴趣的Box中采样)，并提高了Transformer针对多个视觉任务的学习能力。具体来说，介绍的BoxeR，即Box Transformer的缩写，它通过预测输入特征图上的参考窗口的转换来处理一组Box。BoxeR通过考虑它的网格结构来计算这些Box上的注意力权重。值得注意的是，BoxeR-2D在其注意
编辑 | 陈萍、泽南几秒钟扫完代码，比训练一遍再找快多了。张量形状不匹配是深度神经网络机器学习过程中会出现的重要错误之一。由于神经网络训练成本较高且耗时，在执行代码之前运行静态分析，要比执行然后发现错误快上很多。由于静态分析是在不运行代码的前提下进行的，因此可以帮助软件开发人员、质量保证人员查找代码中存在的结构性错误、安全漏洞等问题，从而保证软件的整体质量。相比于程序动态分析，
转载
2024-01-10 16:29:59
42阅读
行人检测在计算机视觉领域的许多应用中起着至关重要的作用,例如视频监控、汽车驾驶员辅助系统、人体的运动捕捉系统等.图像的行人检测方法可以分成两大类:轮廓匹配和表观特征.表观特征又被定义成图像特征空间(也叫做描述算子),它可以分为整体法、局部法、特征点对法. 在整体法中,Papageorgiou和Poggio[1]提出了Haar小波(HWs)特征,并用SVM训练行人,其中包括了行人的正面和背面.
今天要做一个实验，需要用到opencv，所以打算写一些代码，结果按照网上的配置都有一些问题。所以把自己正确配置的经验给出来。首先作者使用的是opencv-3.4.3-vc14_vc15.exe这个文件，文件的下载地址在https://sourceforge.net/projects/opencvlibrary/files/opencv-win/3.4.3/点击上面的文件就可以开始下载了，下载后，双
转载
2024-09-09 16:50:32
96阅读
1、 为什么要做这个研究（理论走向和目前缺陷） ? 以前做目标检测主流是faster rcnn之流要做anchor和NMS等手工设计。2、 他们怎么做这个研究 （方法，尤其是与之前不同之处） ? 将目标检测问题视为集合预测问题，所预测的集合中的每个元素即每个GT集合中的元素一一对应，且每个元素输出的是相对整个图像的位置、尺寸，避免了NMS和anchor设计。 具体做法就是CNN主干网络对输入图片提
