detector专题

[论文笔记]Single Shot Text Detector with Regional Atterntion

Single Shot Text Detector with Regional Atterntion 论文地址：https://arxiv.org/abs/1709.00138 创新点：提出an atterntion mechanism，也就是an automatically learned attention map，从而实现抑制背景干扰。模型架构：－text-sp

SSD: Single Shot MultiBox Detector解读

此SSD非彼SSD，不过都有一个特点快，我之前读过了这篇，这次算是重温，而且前面介绍了很多检测网络，尤其是FPN时更是对SSD有一个很根本的解读，所以这篇博客算是一个SSD精华介绍，哈哈。贡献和特点 SSD最大的贡献，就是在多个feature map上进行预测，这点我在上一篇FPN也说过它的好处，可以适应更多的scale。第二个是用小的卷积进行分类回归，区别于YOLO及其faster

Kurento模块开发指南之二：开发示例 Pointer Detector Filter

17.1.2 模块教程1- Pointer Detector Filter 这个页面应用由一个带有指针跟踪滤镜组件的WebRTC视频通信回看组成。 Java 模块教程 1 - Pointer Detector Filter 这个页面应用由一个带有指针跟踪滤镜组件的WebRTC视频通信回看组成。首先: 运行这个示例程序首先，需要安装Kurento Medi

论文笔记 G-CNN: an Iterative Grid Based Object Detector

为了目标检测精度和速度的进一步提高，在CVPR2016上各种算法可谓各显神通。今天要说的G-CNN就和YOLO算法类似，着重于速度的提升进行检测算子的改进。而与YOLO不同的是，改算法着眼于初始化proposal数量的减少，使得数以万计的proposal变成极少的初始格网，通过后面不停迭代获得最终较为准确的bbox。其简要流程示意图： proposal技术一直是高效的目标检测算子的一个计算量

Harris Corner Detector 公式推导以及具体含义

在做图像匹配时，常需要对两幅图像中的特征点进行匹配。为了保证匹配的准确性，所选择的特征必须有其独特性，角点可以作为一种不错的特征。那么为什么角点有其独特性呢？角点往往是两条边缘的交点，它是两条边缘方向变换的一种表示，因此其两个方向的梯度变换通常都比较大并且容易检测到。这里我们理解一下Harris Corner 一种角点检测的算法角点检测基本原理：人们通常通过在一个小的窗口

文本检测论文阅读笔记之 Pixel-Anchor: A Fast Oriented Scene Text Detector with Combined Networks

Pixel-Anchor: A Fast Oriented Scene Text Detector with Combined Networks 摘要：最近语义分割和通用对象检测框架已被场景广泛采用文本检测任务，但是他们在实践中存在明显的缺陷。在本文中，我们提出一种新颖的端到端可训练的深度神经网络框架，名为Pixel-Anchor，它结合了语义分割和SSD在一个网络中，通过特征共享和anch

c++opencv Project3 - License Plate Detector

俄罗斯车牌识别案例：实时识别车牌，并且读取到指定文件夹中。惯例先展示结果图：对于摄像头读取图片进行车牌匹配，原理和人脸识别其实是一致的。利用训练好的模型进行匹配即可。可参考：对视频实现人脸识别-CSDN博客具体代码： #include <opencv2/imgcodecs.hpp>#include <opencv2/highgui.hpp>#include <op

Ubuntu中Object-Detector-App安装过程的一些坑

首先需要安装anaconda，这个直接在官网下载安装包安装就行，但是官网下载很慢，所以我用的是清华的镜像，具体如下：地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 根据自己的系统选择对应的版本（按照项目的要求需要安装Anaconda3-4.4.0）所以我选择了：然后在sh文件的目录下执行命令： sudo bash

Visual Leak Detector工作原理（旧版本）

下面让我们来看一下该工具的工作原理。在这之前，我们先来看一下 Visual C++ 内置的内存泄漏检测工具是如何工作的。 Visual C++ 内置的工具 CRT Debug Heap 工作原来很简单。在使用 Debug 版的 malloc 分配内存时， malloc 会在内存块的头中记录分配该内存的文件名及行号。当程序退出时 CRT 会在 main()

Cascaded Zoom-in Detector for High ResolutionAerial Images

代码地址 https://github.com/akhilpm/dronedetectron2 摘要密集裁剪是一种广泛使用的方法来改进这种小物体检测，其中以高分辨率提取和处理拥挤的小物体区域。然而，这通常是通过添加其他可学习的组件来实现的，从而使标准检测过程中的训练和推理变得复杂。本文中，我们提出了一种高效的级联放大（CZ ）检测器，该检测器将检测器本身重新用于密度引导的训练和推理

00022__VS配置及使用Visual Leak Detector (检测内存泄漏工具) 下载VLD,可以去官网下载.

https://blog.csdn.net/kevinwowly/article/details/72763236

《YOLO5Face: Why Reinventing a Face Detector》为什么要重塑人脸检测器论文阅读

正好周末的时间天气也不错出去走走精神不错，回来读一篇论文这个论文之前查资料的时候看到的但是没有完整看下，今天正好花点时间整体看一下，下面是我自己阅读过程中使用翻译软件结合自己理解的阅读记录，感兴趣的话可以看下，当然也可以自行阅读原论文即可。原论文《YOLO5Face: Why Reinventing a Face Detector》在这里，如下所示：另外今天突然发现百度翻译打开后升级了

ReDet:A Rotation-equivariant Detector for Aerial Object Detection

ReDet:A Rotation-equivariant Detector for Aerial Object Detection 文章目录 ReDet:A Rotation-equivariant Detector for Aerial Object Detection参考IntroductionRelated WorksPreliminariesRotation-equivaria

Mark 一下 detector ------之 Random Fern Classifier

与之前的几个tracker（19-The ALIEN tracker applied to faces 22-Self-paced learning forlong-term tracking 12--Occlusion and motionreasoning for long-term tracking这些在每一帧上作检测）不同，当尺度最大得分Ys<Tr时，我们用Tr激活检测模块，为

DSSD: Deconvolutional Single Shot Detector

转自：https://blog.csdn.net/yaoqi_isee/article/details/73277398 论文地址：DSSD : Deconvolutional Single Shot Detector 项目地址：Github 概述这篇论文应该算是SSD: Single Shot MultiBox Detector的第一个改进分支，作者是Cheng-Yang Fu，我

SSD: Single Shot MultiBox Detector（2015）阅读笔记

SSD: Single Shot MultiBox Detector原文链接 SSD: Single Shot MultiBox Detector（2015）阅读笔记一、解决问题二、解决方法（一）整体过程（二）多尺度特征映射（辅助结构产生）（三）默认框（四）训练1.训练样本2.损失函数三、效果参考一、解决问题基于RP的两阶段模型所需的计算资源较大并且检测速度太慢。虽然有

3.4 无proposal检测方法(3): SSD: Single Shot MultiBox Detector

前言：博主目前的研究课题为“可见光遥感图像目标检测”，研究兴趣是大尺寸高分辨率遥感图像上多尺度目标及小物体检测。为了整理阅读过的文献，梳理研究思路，记录自己的理解感悟，遂开启一个“物体检测系列博客”。 R-CNN系列综述及阅读笔记主要梳理R-CNN的思想及研究进展，细分为概述性文章和论文阅读笔记。转载请注明文章出处: SSD: Single Shot MultiBox

3.3 无proposal检测方法(2): G-CNN: an Iterative Grid Based Object Detector

前言：博主目前的研究课题为“可见光遥感图像目标检测”，研究兴趣是大尺寸高分辨率遥感图像上多尺度目标及小物体检测。为了整理阅读过的文献，梳理研究思路，记录自己的理解感悟，遂开启一个“物体检测系列博客”。 R-CNN系列综述及阅读笔记主要梳理R-CNN的思想及研究进展，细分为概述性文章和论文阅读笔记。转载请注明文章出处: 论文G-CNN: an Iterative Grid

使用Visual Leak Detector排查内存泄漏

目录 1、VLD工具概述 2、下载、安装VLD 2.1、下载VLD 2.2、安装VLD 3、VLD安装目录及文件说明

人脸检测：《S3FD: Single Shot Scale-invariant Face Detector》论文详解

最近项目中在做人脸检测识别。现大致对人脸检测做一个总结归纳。文章链接：《S3FD: Single Shot Scale-invariant Face Detector》 GITHUB ：https://github.com/sfzhang15/SFD This paper presents a real-time face detector, named Single Shot Scale

SSD-Single Shot Detector

文章目录 SSD模型主要改进点模型说明训练Choosing scales and aspect ratios for default boxesMatching strategyTraining objectiveHard negative miningData augmentation 实验结果基本网络参数PASCAL VOC2007模型消融实验PASCAL VOC2012COCO推理速

论文阅读——椭圆检测算法 2015 A fast and robust ellipse detector based on top-down least-square fitting

今天阅读了一个2015年的一篇论文，关于椭圆检测的，向作者发送邮件索取代码和原始数据也没回我- -||。所以只阅读文章思想并从算法上分析其性能。下面开始对文章进行分析。〇摘要部分现存的算法通常使用一个自下而上的策略（bottom-up strategy）将边缘点或者椭圆弧段组合为椭圆，因此限制了其鲁棒性。作者提出了一个快速准确的椭圆检测算法，算法的主要思想是利用一种新的自上而下的

VC的内存泄漏检测工具Visual Leak Detector

初识Visual Leak Detector 灵活自由是C/C 语言的一大特色，而这也为C/C 程序员出了一个难题。当程序越来越复杂时，内存的管理也会变得越加复杂，稍有不慎就会出现内存问题。内存泄漏是最常见的内存问题之一。内存泄漏如果不是很严重，在短时间内对程序不会有太大的影响，这也使得内存泄漏问题有很强的隐蔽性，不容易被发现。然而不管内存泄漏多么轻微，当程序长时间运行时，其破坏力是惊

FFD：Fast Feature Detector运行失败解决

项目： https://github.com/mogvision/FFDhttps://github.com/mogvision/FFD 问题描述：用自己图片测试时报错没有txt文件。原因猜测：他的txt文件应该是由FFD程序创建的，如果没有生成，那说明FFD执行出错了。 1、我直接运行FFD，发现确实报错了。可能是作者用到了OpenCV3.2来编译，而我电脑上装的是4.

noise1：A Universal Noise Removal Algorithm With an Impulse Detector

1.该篇论文介绍了一个脉冲噪声检测和降噪方法。 1）引入一种局部图像统计方法来识别被随机脉冲噪声破坏的像素。通过统计相邻像素在强度上的差异来实现。 2）将脉冲像素检测方法集成到双边滤波中，得到的滤波器可以去除脉冲噪声和高斯噪声。 2.什么是脉冲噪声脉冲噪声（impulse noise）:是一定概率出现的噪声，对于一副图像，可能会有一定比例的像素出现脉冲噪声，因此脉冲噪声一般不是每个像素

论文笔记：R2D2: Repeatable and Reliable Detector and Descriptor

论文链接：https://arxiv.org/pdf/1906.06195.pdf 代码链接：https://github.com/naver/r2d2 主要内容本文首先指出显著区域未必是易辨识区域，因此用判断极值的方法来判断keypoint（关键点）位置的方法未必准确，这样会影响到所提取描述子的性能。相比于之前只重视特征点的repeatble（可重复性，即特征在连续图像中多次出现）的方法，