1 南溪研究的计算机视觉任务

通用物体的目标检测

通用物体的实例分割

im2tex公式识别

2 南溪学习的目标检测任务

基于限位框的目标检测

实例分割

人流密度检测：

探索CNN对目标的理解能力，CNN是否有能力区别目标的个体差异；

多目标跟踪：

在视频中对多个目标进行跟踪，例如无人车对多个先验已知的目标进行追踪；

2 南溪学习的视频理解任务

视频分类

2.1 视频行为检测：

需要检测视频中的行为，

开源平台：MMAction

2 南溪需要学习的深度学习方向——强化学习

2 可以学习借鉴的视觉任务

MOT：

可以学习一下MOT是如何对目标框的位置进行预测的；

深度学习——夏侯南溪关注的深度学习任务相关推荐

深度学习——夏侯南溪的深度神经网络的调参日志
2019年12月4日: MTCNN--人脸检测和关键回归的CNN级联模型 baseline1: P-Net:lr = 0.001, batch = 256 Q-Net:lr = 0.001, batc ...
Jupyter Notebook——夏侯南溪常用的快捷键
1 致谢感谢网友willstar的帮助, 原文链接如下: https://www.jianshu.com/p/b38d315cd684 2 前言今天在学习MTCNN的代码- 想用Jupyter测试 ...
目标检测——夏侯南溪模型搭建篇(legacy)
4 定义模型整体结构 4.3.1 输入样本的预处理操作 (注意:训练样本在输入网路之前,需要进行归一化,包括:均值归一化操作具体可以看看我写的<目标检测--输入数据的归一化操作>) MT ...
夏侯南溪搭建目标检测模型——文件结构设计篇
1 前言此文章是夏侯南溪搭建目标检测模型--文件夹结构设计篇- 2 文件夹命名使用小写字母命名,单词之间用短线"-"进行连接,例如: plane-detection 3 项目文 ...
《南溪的目标检测学习笔记》——夏侯南溪的CNN调参笔记，加油
1 致谢感谢赵老师的教导! 感谢张老师的指导! 2 调参目标在COCO数据集上获得mAP>=10.0的模型,现在PaddleDetection上的Anchor-Free模型[TTFNet]的 ...
目标检测——夏侯南溪模型搭建篇
1 网络模型的设计原则 1.1 归一化原则对于深度神经网络来说,其输入最好进行归一化的设计,也就是目标值(的encoding)最好归一化到[0,1]的区间内: 参考模型: YOLOV5--YOLO模 ...
夏侯南溪搭建目标检测模型——数据读取篇
1 介绍在PyTorch中定义自己的数据集类,需要继承父类Dataset, 自定义的Dataset类需要实现以下三个函数: init():用来实现初始化的操作: len():用来返回数据集的样本数目 ...
目标检测——夏侯南溪目标检测模型之输出信息显示
1 致谢感谢ultralytics提供的yolov5模型,学到了有趣的知识! 2 概述进度条显示 -- tqdm() 格式化信息输出 -- str.format() 3 输出信息的格式化--str ...
目标检测——夏侯南溪目标检测模型之数据结构
4.1 dets数据的一般表示--(list[list]) 对于图像级数据的话,使用list会比较方便一些,因为图像的数量往往跟样本个数有关, 不容易直接确定下来,而list类型是一种动态的存储结构, ...

深度学习——夏侯南溪关注的深度学习任务