摘要：
《CenterNet原理与代码解析》是首发于GiantPandaCV公众号的电子书教程，由pprp总结并整理CenterNet相关解析，这本电子书是基于非官方的CenterNet实现，https://github.com/zzzxxxttt/pytorch_simple_CenterNet_45，这 阅读全文
摘要：
【GiantPandaCV导语】这是CenterNet系列的最后一篇。本文主要讲CenterNet在推理过程中的数据加载和后处理部分代码。最后提供了一个已经配置好的数据集供大家使用。 代码注释在：https://github.com/pprp/SimpleCVReproduction/tree/ma 阅读全文
摘要：
[GiantPandaCV导语] 本文主要讲解CenterNet的loss，由偏置部分（reg loss）、热图部分(heatmap loss)、宽高(wh loss)部分三部分loss组成，附代码实现。 1. 网络输出 论文中提供了三个用于目标检测的网络，都是基于编码解码的结构构建的。 ResNe 阅读全文
摘要：
DLA全称是Deep Layer Aggregation, 于2018年发表于CVPR。被CenterNet, FairMOT等框架所采用，其效果很不错，准确率和模型复杂度平衡的也比较好。 CenterNet中使用的DLASeg是在DLA-34的基础上添加了Deformable Convolutio 阅读全文
摘要：
CenterNet(Objects as points)已经有一段时间了，之前这篇文章-【目标检测Anchor-Free】CVPR 2019 Object as Points（CenterNet）中讲解了CenterNet的原理，可以回顾一下。 这篇文章是基于非官方的CenterNet实现，http 阅读全文
摘要：
CenterNet中主要提供了三个骨干网络ResNet-18(ResNet-101), DLA-34, Hourglass-104，本文从结构和代码先对hourglass进行讲解。 本文对应代码位置在：https://github.com/pprp/SimpleCVReproduction/tree 阅读全文
摘要：
本文主要解读CenterNet如何加载数据，并将标注信息转化为CenterNet规定的高斯分布的形式。 1. YOLOv3和CenterNet流程对比 CenterNet和Anchor-Based的方法不同，以YOLOv3为例，大致梳理一下模型的框架和数据处理流程。 YOLOv3是一个经典的单阶段的 阅读全文
摘要：
《卷积神经网络中的即插即用模块》是首发于GiantPandaCV公众号的电子书教程，由pprp总结并整理了常见的即插即用模块，可以分为注意力模块和其他模块。通过这篇电子书中的模块结合《从零开始学习YOLOv3》中的在YOLOv3模型中添加Attention机制一节的内容，就可以自由的尝试即插即用模块 阅读全文
摘要：
《简易快速数据增强开源库推荐》是首发于GiantPandaCV公众号的电子书教程，由BBuf尝试多种数据增强库以后，从中选择了两个易于上手数据增强库进行分享，适用的领域包括分类、分割、检测等。 这两个库是albumentations和augmentor，其中albumentation库支持分类、检测 阅读全文
摘要：
简介 在ImageNet数据集上，PeleeNet只有MobileNet模型的66%,并且比MobileNet精度更高。PeleeNet作为backbone实现SSD能够在VOC2007数据集上达到76.4%的mAP。文章总体上参考DenseNet的设计思路，提出了三个核心模块进行改进，有一定参考价 阅读全文
摘要：
《多目标跟踪快速入门教程》是首发于GiantPandaCV公众号的教程，针对pytorch版本的deep sort进行讲解，Github链接如下： https://github.com/pprp/deep_sort_yolov3_pytorch 电子书主要包括多目标跟踪评价指标、标注工具DarkLa 阅读全文
摘要：
《Faster R CNN原理及代码讲解》是首发于GiantPandaCV公众号的教程，针对陈云大佬实现的Faster R CNN代码讲解，Github链接如下： https://github.com/chenyuntc/simple faster rcnn pytorch 电子书主要包括Faste 阅读全文
摘要：
前一段时间看到交流群中有人需要关键点标注软件，但是笔者并没有找到特别适合的软件，所以想自己写一个简单的软件。笔者代码借鉴了BBox Label Tool的代码，将检测部分的代码改成了关键点的代码。 列举一下这个软件的优点： 代码量小，只有400多行，只需要掌握基础的tkinter就很容易看懂。 占用 阅读全文
摘要：
前言：笔者尝试过配置远程连接服务器，配置过pycharm和vscode, pycharm配置最后还是有一点问题，没有办法同步到服务器，不知道具体哪里有问题，另外感觉pycharm很占内存，而且indexing的过程有点烦，所以摸索着转战vscode, vscode没有让人失望，有sftp和remot 阅读全文
摘要：
上一篇文章推荐了DarkLabel标注软件，承诺会附上配套的代码，本文主要分享的是格式转换的几个脚本。 先附上脚本地址： https://github.com/pprp/SimpleCVReproduction/tree/master/DarkLabel 先来了解一下为何DarkLabel能生成这么 阅读全文
摘要：
DarkLabel是一个轻量的视频标注软件，相比于ViTBAT等软件而言，不需要安装就可以使用, 本文将介绍darklabel软件的使用指南。 由于笔者最近在做Multi Object Tracking的项目，所以需要一款标注软件，最终从公开的软件中选择了DarkLabel。DarkLabel体积非 阅读全文
摘要：
AlexeyAB大神继承了YOLOv3, 在其基础上进行持续开发，将其命名为YOLOv4。并且得到YOLOv3作者Joseph Redmon的承认，下面是Darknet原作者的在readme中更新的声明。 来看看YOLOv4和一些SOTA模型的对比，YOLOv4要比YOLOv3提高了近10个点。 1 阅读全文
摘要：
HRNet是微软亚洲研究院的王井东老师领导的团队完成的，打通图像分类、图像分割、目标检测、人脸对齐、姿态识别、风格迁移、Image Inpainting、超分、optical flow、Depth estimation、边缘检测等网络结构。 王老师在ValseWebinar《物体和关键点检测》中亲自 阅读全文
摘要：
本文主要讲解Deep SORT论文核心内容，包括状态估计、匹配方法、级联匹配、表观模型等核心内容。 1. 简介 Simple Online and Realtime Tracking(SORT)是一个非常简单、有效、实用的多目标跟踪算法。在SORT中，仅仅通过IOU来进行匹配虽然速度非常快，但是ID 阅读全文
摘要：
本文解读内容是IBN Net, 笔者最初是在很多行人重识别的库中频繁遇到比如ResNet ibn这样的模型，所以产生了阅读并研究这篇文章的兴趣，文章全称是: 《Two at Once: Enhancing Learning and Generalization Capacities via IBN 阅读全文
摘要：
1. Dropout 如果模型参数过多，而训练样本过少，容易陷入过拟合。过拟合的表现主要是：在训练数据集上loss比较小，准确率比较高，但是在测试数据上loss比较大，准确率比较低。Dropout可以比较有效地缓解模型的过拟合问题，起到正则化的作用。 Dropout，中文是随机失活，是一个简单又机器 阅读全文
摘要：
YOLOv1是一个anchor free的，从YOLOv2开始引入了Anchor，在VOC2007数据集上将mAP提升了10个百分点。YOLOv3也继续使用了Anchor，本文主要讲ultralytics版YOLOv3的Loss部分的计算, 实际上这部分loss和原版差距非常大，并且可以通过arc指 阅读全文
摘要：
CSPNet全称是Cross Stage Partial Network，主要从一个比较特殊的角度切入，能够在降低20%计算量的情况下保持甚至提高CNN的能力。CSPNet开源了一部分cfg文件，其中一部分cfg可以直接使用AlexeyAB版Darknet还有ultralytics的yolov3运行 阅读全文
摘要：
上次bbuf分享了亚马逊团队的用于分类模型的bag of tricks, 详见： "链接" ， 本文继续梳理一下目标检测trick， 解读这篇19年同样由亚马逊团队发表的《Bag of Freebies for Training Object Detection Neural Networks》。先 阅读全文
摘要：
在计算机视觉中，卷积是最重要的概念之一。同时研究人员也提出了各种新的卷积或者卷积组合来进行改进，其中有的改进是针对速度、有的是为了加深模型、有的是为了对速度和准确率的trade off。本文将简单梳理一下 卷积神经网络中用到的各种卷积核以及改进版本 。文章主要是进行一个梳理，着重讲其思路以及作用。 阅读全文
摘要：
池化操作(Pooling)是CNN中非常常见的一种操作，Pooling层是模仿人的视觉系统对数据进行降维，池化操作通常也叫做子采样(Subsampling)或降采样(Downsampling)，在构建卷积神经网络时，往往会用在卷积层之后，通过池化来降低卷积层输出的特征维度，有效减少网络参数的同时还可 阅读全文
摘要：
前言：之前几篇讲了cfg文件的理解、数据集的构建、数据加载机制和超参数进化机制，本文将讲解YOLOv3如何从cfg文件构造模型。本文涉及到一个比较有用的部分就是bias的设置，可以提升mAP、F1、P、R等指标，还能让训练过程更加平滑。 1. cfg文件 在YOLOv3中，修改网络结构很容易，只需要 阅读全文
摘要：
前言：YOLOv3代码中也提供了参数搜索，可以为对应的数据集进化一套合适的超参数。本文建档分析一下有关这部分的操作方法以及其参数的具体进化方法。 1. 超参数 YOLOv3中的 超参数在train.py中提供，其中包含了一些数据增强参数设置，具体内容如下： 2. 使用方法 在训练的时候，train. 阅读全文
摘要：
前言：本文主要讲YOLOv3中数据加载部分，主要解析的代码在utils/datasets.py文件中。通过对数据组织、加载、处理部分代码进行解读，能帮助我们更快地理解YOLOv3所要求的数据输出要求，也将有利于对之后训练部分代码进行理解。 1. 标注格式 在上一篇 "【从零开始学习YOLOv3】2. 阅读全文
摘要：
ThunderNet是旷视和国防科技大学合作提出的目标检测模型，目标是在计算力受限的平台进行实时目标检测。需要关注的地方主要就是提出的两个特征增强模块CEM和SAM,其设计理念和应用的方法都非常值得借鉴。 1. 介绍 在移动端的实时目标检测是一个极为重要并且有挑战性的视觉问题。很多基于CNN的检测器 阅读全文