• 金天

    @mindmad Our FPN SSD implementation will upload to our platform next week!

    发布在 社区求助区(SOS!!) 阅读更多
  • 金天

    1、Hybrid Task Cascade for Instance Segmentation
    速度看起来跟MaskRCNN差不多,但是值得深入跟一下。

    2、https://github.com/open-mmlab/mmdetection
    可以模仿这个框架做一个自己的目标检测算法库。

    3、S3FD
    这个人脸检测算法效果非常不错,适合用于小物体检测场景,但是对于类别比较多的情况效果如何就不清楚了。

    强化学习方向:

    • oroto: http://otoro.net/ 这家公司似乎是专门做强化学习相关应用的,值得学习和模仿。

    48e33fca-eb8a-4c7c-aa2f-e7eb993785e9-image.png

    发布在 社区博客 阅读更多
  • 金天

    For the rotation part, I think we need prepare some dataset to training

    发布在 社区求助区(SOS!!) 阅读更多
  • 金天

    Now, we are training on FPN+SSD.

    The result will be published here once we got final result

    发布在 社区求助区(SOS!!) 阅读更多
  • 金天

    查看usb device:

    lsusb -t
    
    v4l2-ctl -l
    
    v4l2-ctl --list-devices
    

    发布在 社区博客 阅读更多
  • 金天

    很多人都会遇到这么一个问题:同样的模型,由于预处理的方式不一样,导致预测结果不同。这其实不值得惊讶,因为你模型用什么方式训练的,你就应该用什么方式去预测。但是大家思考过没有,有时候你的预处理方式由于语言和平台的差异,并不能保证100%的一致性。那么此时,这些微小的差异会带来什么样的误差呢?无外乎两种可能:

    • 没有结果,结果完全一团糟;
    • 有结果,但是结果不同,有的好有的坏。

    但现实其实并没有这么简单。我可以这么说,由于预处理的不同,你的结果可能更快,但是也有可能变得更好. 当然这个更好并不是相对于它的表现,而是相对于正常情况下的表现。

    我曾经用同一个模型,用python和c++分别实现。但是我发现,预测结果出入很大,这原因肯定来自于我C++预处理的方式与python不一致。但是我惊讶的发现,C++的预处理中,一些在python里面漏检的物体,居然能够被检测出来。

    94b11f6b-aabb-4c2b-a61c-16e90f5f1fe7-image.png
    43e641e1-1f59-4d19-9d34-d208212b4e51-image.png

    第一张图,是python的正常预测结果,但是你会发现,存在一个漏检,而在第二张图中,由于预处理的差异(或者说是错误),居然导致漏检能够被找回!!

    这背后蕴含的道理是什么呢?来不及思考,我得先把C++预处理错误的原因找出来。。

    发布在 社区博客 阅读更多
  • 金天

    像许多万千少女一样,她,也是其中一位,极其不同的一位。我喜欢看参天的大树,更喜欢,树下的她。

    萧伯纳曾经说过,世间万物,但凡是我能理解的,我都能创造它。


    多么令人鼓舞的话。让人不禁想起那恒古的定理,令人欣喜,令人充满振奋。

    发布在 社区闲聊灌水区 阅读更多
  • 金天

    @TomMao map相对于哪个百分比来说?tridentnet是比较强的,从论文效果来看,这个方法在小目标上的效果非常好,在强者对决之下,单纯map的对比跟主观感觉会有差距的。从论文图来看,效果非常不错

    发布在 最新论文速递 阅读更多
  • 金天

    本教程记录一些pytorch经常使用的函数, 这些函数在编写深度学习模型时非常有用.

    1. torch.clamp:

    这个函数的作用就是把矩阵的所有元素, 限定在某个区间之内:

    import torch
    a = torch.Tensor([2, 1, 0.5, -0.5])
    a = torch.clamp(a, 0, 1)
    

    此时a就被限定在了0-1区间.

    发布在 社区博客 阅读更多

与 ManaAI社区 的连接断开,我们正在尝试重连,请耐心等待