ronghuaiyang

一个很好的入门小短文，内容很全，适合上手。顾名思义，这是将图像分割为多个部分的过程。在这个过程中，图像中的每个像素都与一个对象类型相关联。

使用光流 + CNN的方法来预测车辆的速度，用PyTorch实现，有代码。 我想要解决的问题是：在一辆车里有一个摄像头，我想知道车开得有多快。你显然不能看速度表，只能看视频片段本身。

这4个错误，我敢说大部分人都犯过，希望能给大家一点提醒。 这篇文章将逐点分析这些错误是如何在PyTorch代码示例中体现出来的。

覆盖了模型相关的方方面面，从数据准备到模型的推理，每个阶段的方法和要点，非常多的参考资料，足够看一段时间了。

使用DETRAC训练带有v3标注的数据集训练了YOLOv4和Deep SORT模型。我提供了将DETRAC训练图像和v3标注转换为正确格式的脚本，用于训练YOLOv4模型和Deep SORT跟踪模型。

为什么半监督学习是机器学习的未来。 监督学习是人工智能领域的第一种学习类型。从它的概念开始，无数的算法，从简单的逻辑回归到大规模的神经网络，都已经被研究用来提高精确度和预测能力。

真实世界的视觉问题的数据往往是长尾分布的开放数据，长尾开放识别是更贴近实际的更全面的试金石。在现有的视觉识别设置中，训练数据和测试数据都是在一个封闭世界中平衡设置的，例如ImageNet数据集。

介绍使图像分割的方法，包括传统方法和深度学习方法，以及应用场景。基于人工智能和深度学习方法的现代计算机视觉技术在过去10年里取得了显著进展。

只使用1349张图像训练Mask-RCNN，有代码。计算机视觉的进步带来了许多有前途的应用，如自动驾驶汽车或医疗诊断。在这些任务中，我们依靠机器的能力来识别物体。