- 博客(56)
- 资源 (2)
- 收藏
- 关注
原创 FIFO: Learning Fog-invariant Features for Foggy Scene Segmentation(学习雾不变特征的雾状场景分割算法)
FIFOTitle: FIFO: Learning Fog-invariant Features for Foggy Scene Segmentation(学习雾不变特征的雾状场景分割算法)paper: http://arxiv.org/pdf/2204.01587v1code: http://cvlab.postech.ac.kr/research/FIFO/Abstract 在恶劣天气条件下的视觉识别在现实应用中具有重要意义。在此背景下,提出了一种新的方法来学习语义分割模型,以稳健地对
2022-04-13 21:13:06 1340
原创 Unleashing Vanilla Vision Transformer with Masked Image Modeling for Object Detection
MIMDetTitle:Unleashing Vanilla Vision Transformer with Masked Image Modeling for Object Detectionpaper:https://arxiv.org/abs/2204.02964code:https://github.com/hustvl/MIMDet华中科技大学&腾讯PGGAbstract 本文提出了一种方法,有效地适应掩蔽图像建模(MIM)预先训练的ViT用于目标检测,这是基于我们的观
2022-04-10 20:25:48 4354
原创 Global Tracking Transformers
GTRTitle: Global Tracking Transformerspaper: https://arxiv.org/pdf/2203.13250.pdfcode: https://github.com/xingyizhou/GTR得克萨斯大学奥斯汀分校, AppleCVPR2022Introduction 本文提出了一种新的基于transformer的全局多目标跟踪体系结构。网络以一个短时间的帧序列作为输入,并为所有对象产生全局轨迹。核心组件是一个全局跟踪转换器,它操作序
2022-04-07 19:53:07 2128
原创 Exploring Plain Vision Transformer Backbones for Object Detection.
目标检测,何凯明大神新作,VIT检测的新方向,简单FPN设计达到sota效果。
2022-04-03 15:28:53 857
原创 FOCUS-AND-DETECT: A SMALL OBJECT DETECTION FRAMEWORK FOR AERIAL IMAGES
Focus and DetectTitle: FOCUS-AND-DETECT: A SMALL OBJECT DETECTION FRAMEWORK FOR AERIAL IMAGESpaper: http://arxiv.org/pdf/2203.12976v1code:Introduction 航空图像中的目标探测是一项具有挑战性的任务。航空图像中的具体问题使检测问题变得更加困难,如小物体、密集排列的物体、不同大小和不同方向的物体。为了解决小目标检测问题,本文提出了一个两阶段目标检
2022-04-02 21:47:16 910 1
原创 VariabilityTrack:Multi-Object Tracking with Variable Speed Object Movement
VariabilityTrack论文标题:VariabilityTrack:Multi-Object Tracking with Variable Speed Object Movement论文地址:https://arxiv.org/pdf/2203.06424v1.pdf论文源码:未开源华中科技大学3.12日最新文章本文在ByteTrack基础上改进了算法,改进了卡尔曼滤波在不同速度下的预测效果。在ByteTrack算法的基础上增加了V-KF变速卡尔曼滤波。Introduction
2022-03-22 23:16:28 1249
原创 YOLOP: You Only Look Once for Panoptic Driving Perception
YOLOP论文标题:YOLOP: You Only Look Once for Panoptic Driving Perception论文地址:https://arxiv.org/abs/2108.11250论文源码:https://github.com/hustvl/YOLOPCVPR2022 华中科技大学Introduction 全景驾驶感知系统(panoptic driving perception system)是自动驾驶的重要组成部分。一个高精度、实时的感知系统可以帮助车辆在驾
2022-03-20 20:10:01 1101
原创 F2DNet: Fast Focal Detection Network for Pedestrian Detection
F2DNet论文标题:F2DNet: Fast Focal Detection Network for Pedestrian Detection论文地址:https://arxiv.org/abs/2203.02331论文源码:https://github.com/AbdulHannanKhan/F2DNet.凯撒斯劳滕工业大学 CVPR2022Introduction 本次工作提出 F2DNet,一种新型的两阶段检测架构,通过用 focal detection network 取代 r
2022-03-19 21:19:48 4755
原创 MOTR: End-to-End Multiple-Object Tracking with TRansformer
MOTR论文标题:MOTR: End-to-End Multiple-Object Tracking with TRansformer论文地址:http://arxiv.org/abs/2105.03247论文源码:https://github.com/megvii-model/MOTR收录入CVPR2021Introduction 这篇论文中,作者提出了MOTR,一个真正的完全端到端的跟踪框架。MOTR能够学习建模目标的长程时间变化,它隐式地进行时间关联,并避免了以前的显式启发式策略
2022-03-09 10:18:50 4978
原创 深度学习数据集均值求和
# @Author:Fangwenxuanimport osimport numpy as npimport torchvisionimport torchvision.datasets as datasetsimport jsonimport torchvision.transforms as transformsfrom PIL import Imageimport torchfrom torch.utils.data import Dataset, DataLoaderimpor
2022-03-02 17:01:42 801
原创 StrongSORT: Make DeepSORT Great Again
StrongSORT++论文标题:StrongSORT: Make DeepSORT Great Again论文地址:https://arxiv.org/pdf/2202.13514.pdf论文源码:北邮的最新工作,2月28号挂载在arxiv上,论文可能是初稿,文中模块的绘图不够细致,不方便理解。论文中前部分工作与GIAOTracker差不多。代码开源持续关注。Introduction 现有的多目标跟踪(MOT)方法可以大致分为tracking-by-detection 和 joint-
2022-03-02 16:04:39 10304 3
原创 GIAOTracker in VisDrone 2021
GiaoTracker论文标题:GIAOTracker: A comprehensive framework for MCMOT with global information and optimizing strategies in VisDrone 2021论文地址:https://arxiv.org/pdf/2202.11983.pdf论文源码:未开源Introduction 近年来,多目标跟踪任务的算法得益于深度模型和视频质量的巨大进展。然而,在无人机视频等具有挑战性的场景中,它们
2022-02-26 10:48:45 4134
原创 BOAT: Bilateral Local Attention Vision Transformer
BOAT Attention论文标题:BOAT: Bilateral Local Attention Vision Transformer论文地址:http://arxiv.org/pdf/2201.13027v1开源代码:百度实验室Introduction VIT采用全局自我注意,当patch的数量很大时,计算成本是昂贵的。为了提高效率,最近VIT采用了局部自注意机制,即在局部窗口内计算自注意。尽管基于窗口的局部自注意显著提高了效率,但它未能捕捉到图像平面上遥远但相似的patch之间的
2022-02-23 16:38:30 1907
原创 Dynamic Head: Unifying Object Detection Heads with Attentions
Dynamic Head论文标题:Dynamic Head: Unifying Object Detection Heads with Attentions论文地址:https://arxiv.org/pdf/2106.08322v1.pdf论文源码:https://github.com/microsoft/DynamicHead微软Motivation 文章提出了一个动态的head架构,通过attention机制将多种不同表示形式(corner,center,anchor box)的目
2022-02-22 10:48:13 1572
原创 PatchTrack: Multiple Object Tracking Using Frame Patches
PatchTrack论文标题:PatchTrack: Multiple Object Tracking Using Frame Patches论文地址:https://arXiv:2201.00080v1论文源码:https://motchallenge.net/method/MOT=4725&chl=10.Introduction 物体运动和物体外观是多物体跟踪(MOT)应用中常用的信息,既用于逐检测方法中关联跨帧的检测,也用于联合检测和跟踪方法中的直接跟踪预测。然而,这两种类型
2022-02-07 14:07:02 2178
原创 Vision Transformer with Deformable Attention
DATtitle: Vision Transformer with Deformable Attention论文:https://arxiv.org/abs/2201.00520代码:https://github.com/LeapLabTHU/DATIntroduction 在ViT中使用密集的注意力会导致内存和计算成本过高,特征会受到超出兴趣区域的不相关部分的影响。另一方面,在PVT或Swin Transformer 中采用的稀疏注意里力是数据不可知的,可能会限制建模长期关系的能力。
2022-01-18 21:12:01 6252 1
原创 One More Check: Making “Fake Background” Be Tracked Again
CSTrackerV2论文标题:One More Check: Making “Fake Background” Be Tracked Again论文地址:http://arxiv.org/abs/2104.09441论文源码:https://github.com/JudasDie/SOTSCSTracker原团队的论文。设计re-check模块解决上个版本丢失轨迹的匹配。Motivation 在同一网络内,提取到用于检测和ReID任务的特征。但这些方法大多有一个相同的问题,仅仅依靠单帧
2022-01-08 21:51:46 1972
原创 Rethinking the competition between detection and ReID in Multi-Object Tracking
CSTracker论文标题:Rethinking the competition between detection and ReID in Multi-Object Tracking论文地址:https://arxiv.org/abs/2010.12138论文源码:https://github.com/JudasDie/SOTS基于JDE框架提出的改善模型。出自中国科学院自动化研究所Motivation 为了追求速度和精度的平衡,联合训练检测模型和 ReID 模型的 JDE 范式。
2022-01-08 21:50:00 1807
原创 Global Correlation Network: End-to-End Joint Multi-Object Detection and Tracking
GCNet论文标题:Global Correlation Network: End-to-End Joint Multi-Object Detection and Tracking论文地址: http://arxiv.org/abs/2103.12511论文源码:暂未开源 JDE方法的跟踪部分依然依赖于数据关联并且需要复杂的后处理来进行轨迹的生命周期管理,因此它们并没有将检测和跟踪组合得很好。因此,GCNet(Global Correlation Network,全局相关网络)被提了出来,它
2022-01-08 21:45:24 1123
原创 Joint Learning Architecture for Multiple Object Tracking and Trajectory Forecasting
JLA论文标题:Joint Learning Architecture for Multiple Object Tracking and Trajectory Forecasting论文地址:https://arxiv.org/abs/2108.10543论文源码:未开源Introduction 本文介绍了一种用于多目标跟踪(MOT)和轨迹预测的联合学习架构(JLA),**其目标是同时预测物体当前和未来的轨迹。**基于卡尔曼滤波的方法不能预测非线性轨迹。我们提出联合训练一个跟踪和轨迹预测模
2022-01-03 22:24:27 786
原创 Quasi-Dense Similarity Learning for Multiple Object Tracking
QDTrack论文标题:Quasi-Dense Similarity Learning for Multiple Object Tracking论文地址:https://arxiv.org/pdf/2006.06664.pdf论文源码:https://github.com/SysCV/qdtrack收录于2021CVPRMotivation 过去工作,相似度学习知识是作为一个检测后的事后阶段,并且只是用稀疏GT框作为训练样本。事实上,如果目标的表示被尽可能的学到,那么就使用embeddi
2021-12-28 21:20:54 1651
原创 TransCenter: Transformers with Dense Queries for Multiple-Object Tracking
TransCenter论文标题:TransCenter: Transformers with Dense Queries for Multiple-Object Tracking论文地址:http://arxiv.org/abs/2103.15145论文源码: https://github.com/yihongxu/transcenter.出自MIT,收录于CVPR2021.Introduction TransTrack和TrackFormer均采用边界框(bounding box,bb
2021-12-28 21:18:48 1741
原创 Multiple Object Tracking with Correlation Learning
CorrTracker论文标题:Multiple Object Tracking with Correlation Learning论文地址:http://arxiv.org/abs/2104.03541论文源码:未开源Alibaba Group的工作,被收录于CVPR2021Abstract CorrTracker文章中,为了整合空间布局,作者提出利用局部相关模块(correlation module)对目标及其周围环境之间的拓扑关系进行建模,以增强模型在拥挤场景中的判别能力。具体来说
2021-12-28 21:16:48 417
原创 ByteTrack: Multi-Object Tracking by Associating Every Detection Box
ByteTrack – 2021.10.14论文标题:ByteTrack: Multi-Object Tracking by Associating Every Detection Box论文地址:https://arxiv.org/abs/2110.06864论文源码:https://github.com/ifzhang/ByteTrackAbstract 沿着多目标跟踪(MOT)中tracking-by-detection的范式,提出了一种简单高效的数据关联方法BYTE。 利用检测框和
2021-12-28 21:13:17 1363
原创 Siamese Multi-Object Tracking
SiamMOT论文标题:Siamese Multi-Object Tracking论文地址:http://arxiv.org/abs/2105.11595论文源码:https://github.com/amazon-research/siam-mot来自亚马逊团队,是ACM2020 hieve竞赛行人多目标跟踪赛道第一,同时是ICCV2021 airmot竞赛的baseline。出处:CVPR2021.5.25Abstract 通过引入一个基于区域的孪生多目标跟踪网络,设计了一个新的o
2021-12-26 10:24:08 606
原创 Learning a Proposal Classifier for Multiple Object Tracking
Proposal Classifier for MOT论文标题:Learning a Proposal Classifier for Multiple Object Tracking –CVPR论文地址:https://arxiv.org/abs/2103.07889论文源码:https://github.com/daip13/LPC_MOTIntroduction 提出了一个新的基于proposal的可学习框架。该框架类似于两步目标检测器Faster-RCNN,可以以数据驱动的方式解决M
2021-12-26 10:21:07 879
原创 Faster RCNN的理解和代码解释
Faster RCNN 理解与源码解析整体框架前言的赘述我就不说了,本文只作为学习资料,不作为科普! 首先我们先看这个整体的结构图,Faster RCNN主要可以分为三个结构,BACKBONE,RPN,Roi Pooling,classifier这四个部分。 最底层的是backbone结构,也可以成为conv layers层,即特征提取层,是通过一些神经网络结构来提取特征网络,比如说有VGG,RESNET50,mobilenet等,都可以作为backbone来实现特征的..
2021-09-02 22:10:49 1430 1
原创 LinearRegression --- python实现
import numpy as npclass LinearRegression: def __int__(self): '''初始化lineargression 模型参数''' # theta除第一个后的矩阵 self.coef_ = None # 截距,第一个theta值 self.intercept_ = None # theta矩阵 self._theta = None # 使用正规方程解 def fit_normal(
2021-05-13 19:41:59 423
原创 简单线性回归实现
import numpy as npclass SimpleLinearRegression: def __init__(self): '''初始话Simple Linear Regression模型''' self.a_ = None self.b_ = None def fit(self, x_train, y_train): '''根据训练集x_train,y_train 训练模型''' assert x_train.ndim == 1, \
2021-05-10 20:40:46 59
原创 sklearn中的均值归一化--python实现
归一化的原因将样本数值映射到同一尺度import numpy as npclass StandardScaler: def __init__(self): self.mean_ = None self.scale_ = None def fit(self, X): '''根据训练数据X获得数据均值和方差''' assert X.ndim == 2, "The dimension of X must be 2" self.mean_ = np.ar
2021-05-10 20:38:25 812
原创 KNN最近邻近节点算法
import numpy as npfrom math import sqrtfrom collections import Counterclass KNNClassifier: def __init__(self, k): '''初始化KNN分类器''' assert k >= 1, "k must be valid" self.k = k self._X_train = None self._y_train = None def fi
2021-05-09 10:03:03 239
原创 Typescript学习3
Typescript学习泛型可以支持不特定的数据类型,要求:传入的参数和返回的参数一致// T表示泛型,具体类型为调用这个方法时决定function getData<T>(value: T): T { return value}console.log(getData<number>(1323))console.log(getData<string>("1222"))泛型类// 泛型类class MinClass<T> {
2021-01-21 21:13:26 64
原创 Typescript学习2
Typescript学习2抽象类抽象类用abstract关键字定义,抽象类不能初始化实例。在抽象类中可以没有抽象方法,但有抽象方法的类必须声明为抽象类。子类必须实现抽象类中的抽象方法。abstract class Animal { public speed: number constructor(speed: number) { this.speed = speed } abstract run(): any // 抽象方法不需要实现,但是要指定一个类型}class
2021-01-20 22:10:10 75
原创 Typescript学习1
Typescript学习数据类型Typescript中为了使编写的代码更规范,更有利于维护,增加类型检验布尔类型(boolean) true or falselet flag:boolean = true flag = false数字类型(number)字符串类型(string)数组类型(array) 在数组中只能有一种类型// 第一种方法 可定义 数字类型,字符串类型let arr: number[] = [1, 2, 3, 5]console.log(arr
2021-01-20 20:25:35 81
原创 C语言数据结构之实现顺序表
// 顺序表实现#include <stdio.h>#include "windows.h"#include "stdlib.h"#define MaxSize 50#define ElemType int// 定义顺序表结构体typedef struct SeqList{ ElemType data[MaxSize]; int length;} SeqList;// 初始化顺序表void InitSeqList(SeqList *L){ L->l
2020-08-04 21:49:38 107
原创 C语言中常用的字符数组函数
所有的字符数组处理函数都包括在 <string.h>这个头文件中一、strlen 函数原型:size_t strlen(char const* string);在C语言中如何计算一个数组或者一个字符数组的长度?在C语言中没有字符串类型,字符串是存放在字符型数组中,所以一般形式的字符串就是数组。一般来说,大家都是使用sizeof来计算数组长度的: // 整型数组 int a[] = {1,2,3,4,5}; int length = sizeof(a)/sizeof(a[0..
2020-07-22 22:27:27 4590
原创 js----字典实现
// 字典function Dictionary() { this.dataStore = new Array()}Dictionary.prototype = { constructor: Dictionary, // 添加元素 add: function (key, value) { this.dataStore[key] = value }, // 查找元素 find: function (key) { return this.dataStor
2020-05-22 09:15:51 244
原创 C语言----指针实现选择排序
#include <stdio.h>int main(){ void sort(int x[], int length); int i, *p, a[10], length; p = a; printf("please enter 10 number:"); length = sizeof(a) / sizeof(a[0]); for (i = 0; i < length; i++) { scanf("%d", p++); } p = a;
2020-05-14 14:49:42 6788 2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人