随笔分类 -  Objection Detection

YOLO算法的ZYNQ移植尝试（SDx方法、ARM部分）
摘要：尝试直接从官网移植 1. 需要将include/darknet.h文件copy到src 2. 发现老是报错，说代码有问题network net = parse_network_cfg(cfgfile);报错 （network和network*的问题），查看源代码，代码应该无问题。。。。 在windo 阅读全文
posted @ 2018-04-10 17:08 Osler 阅读(7998) 评论(3) 推荐(0)
YOLO算法学习
摘要：YOLO原理：https://zhuanlan.zhihu.com/p/24916786?refer=xiaoleimlnote 借鉴GoogLeNet，有24个卷积层+2个全连接层：卷积层负责特征提取，全连接层做分类回归。 检测的步骤： 1.对图像缩放到448*448，图像分割为7*7（S*S）个 阅读全文
posted @ 2018-04-10 16:16 Osler 阅读(660) 评论(0) 推荐(0)
卷积神经网络优化方法
摘要："卷积神经网络优化" 卷积神经网络在减少计算量，加快训练和/或inference的速度，减少存储空间等方面的优化主要有以下几种方案： 改进网络结构 ResNet网络中的bottleneck结构就是这种方法的典型例子。bottleneck首先通过1x1的卷积层压缩通道数，然后使用3x3的卷积层计算，最 阅读全文
posted @ 2018-02-07 18:15 Osler 阅读(2084) 评论(0) 推荐(0)
基于视频的目标检测调研 2017-10-25
摘要：视频目标检测调研 1.主要问题： 与图像目标检测的主要区别是： 视频信息具有大量冗余，这些冗余会如果能合理的利用或者去除，会大大提高处理速度； 视频信息中的目标经常会出现变形、遮挡、模糊，这会导致检测结果的不稳定，出现漏检。 2.基本方法： 基于单帧图像的 结合上下文和时间信息的： 双流法 三维卷积 阅读全文
posted @ 2018-02-07 18:09 Osler 阅读(591) 评论(0) 推荐(0)
TensorFlow SSD代码的运行，视频检测 2017-10-18
摘要：主要是修改检测程序： 主代码修改为： visualization文件代码修改为： 阅读全文
posted @ 2018-02-07 18:03 Osler 阅读(655) 评论(0) 推荐(0)
文献阅读：基于深度学习的目标检测研究进展[2016，技术文章]
摘要：对文章做摘要学习。 1. 传统目标检测方法： （1）区域选择：这一步是为了对目标的位置进行定位。由于目标可能出现在图像的任何位置，而且目标的大小、长宽比例也不确定，所以最初采用滑动窗口的策略对整幅图像进行遍历，而且需要设置不同的尺度，不同的长宽比。这种穷举的策略虽然包含了目标所有可能出现的位置，但是 阅读全文
posted @ 2018-02-07 18:01 Osler 阅读(450) 评论(0) 推荐(0)
文献阅读：基于深度学习的目标检测算法研究及应用[硕士论文.2015.万维.电子科大]
摘要：1.1 研究背景及意义： 由于现实世界中的物体(尤其是行人)、场景存在多变性，使其很难用一个统一的方法进行研究。目前目标检测所遇到的主要问题有：如何准确快速分割目标、尽量减小复杂背景对目标检测的影响以及如何降低因目标尺度、大小和形状发生变化引起的目标检测精确度下降的问题。 此外，在目标检测系统中，系 阅读全文
posted @ 2018-02-07 18:00 Osler 阅读(3614) 评论(0) 推荐(0)
文章阅读：SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks for Real-Time Object Detection for Autonomous Driving
摘要：SqueezeDet: Unified, Small, Low Power Fully Convolutional Neural Networks for Real Time Object Detection for Autonomous Driving 摘要 自动驾驶仪中，为了保证安全，除了要求精 阅读全文
posted @ 2017-10-28 10:38 Osler 阅读(525) 评论(0) 推荐(0)