AI大道理 - 博客园

论文解读：DeepSort（目标跟踪）

摘要：本文来自公众号“AI大道理” —————— 论文原文： https://arxiv.org/abs/1703.07402 SORT是一个比较简单的算法，用FrRCNN做探测，卡尔曼滤波和匈牙利算法做跟踪。缺点：线性恒速运动模型可能并不精确，未考虑相机的非线性运动。未考虑同一目标再次出现的重识阅读全文

posted @ 2023-07-29 22:11 AI大道理阅读(1268) 评论(0) 推荐(0) 编辑

SORT：基于检测的目标跟踪的鼻祖

摘要：本文来自公众号“AI大道理” SORT是一种多目标跟踪的经典算法，整个算法是一些常规技术的简单组合，却达到了非常好的效果。Sort算法的核心是匈牙利匹配算法和卡尔曼滤波算法。添加图片注释，不超过 140 字（可选） 1、SORT简介 SORT（Simple Online and Realt 阅读全文

posted @ 2023-07-26 22:42 AI大道理阅读(399) 评论(0) 推荐(0) 编辑

论文解读：SORT（目标跟踪）

摘要：本文来自公众号“AI大道理“ —————— 论文原文：https://arxiv.org/abs/1602.00763 本文方法SORT(Simple Online and Realtime Tracking)是一种基于检测的跟踪框架，基于检测算法FasterRCNN，利用卡尔曼滤波以及匈牙利算阅读全文

posted @ 2023-07-22 23:11 AI大道理阅读(213) 评论(0) 推荐(0) 编辑

卡尔曼滤波：再也不用瑟瑟发抖了

摘要：本文来自公众号“AI大道理” 这里既有AI，又有大道理。 —————— 目标跟踪中，在数据关联后往往要进行卡尔曼滤波。数据关联算法得到了每个目标的观测数据。卡尔曼滤波使用关联的观测数据来估计目标的状态，并预测目标的未来位置和速度等信息。目标跟踪过程中，测量数据通常会受到各种噪声的影响，例如传感阅读全文

posted @ 2023-07-17 22:35 AI大道理阅读(258) 评论(0) 推荐(0) 编辑

目标跟踪基础：数据关联算法

摘要：本文来自公众号“AI大道理” —————— 数据关联是多目标跟踪任务中的关键步骤，其目的主要是为了进行帧与帧之间的多个目标的匹配。添加图片注释，不超过 140 字（可选） 1、数据关联数据关联其实就是一个沿着时间轴，将来自同一个物体的不同时刻的信号串联起来的过程。数据关联通常在状态估计之前阅读全文

posted @ 2023-07-12 21:47 AI大道理阅读(529) 评论(0) 推荐(0) 编辑

目标跟踪基础：距离度量

摘要：本文来自公众号“AI大道理” —————— 距离度量在CV 、NLP以及数据分析等领域都有众多的应用。距离度量可以当做某种相似度，距离越近，越相似。在目标跟踪领域中，需要判断目标之间的距离或相似度，从而判断前后帧的目标是否是同一个目标。添加图片注释，不超过 140 字（可选） 1、距离常见距阅读全文

posted @ 2023-07-08 21:36 AI大道理阅读(70) 评论(0) 推荐(0) 编辑

目标跟踪基础：两张图片相似度算法

摘要：本文来自公众号“AI大道理” —————— 目标跟踪就是在时序帧中搜索目标的过程，本质上就是检索。不管是传统的目标跟踪中的生成模型和判别模型，还是用深度学习来做目标跟踪，本质上都是来求取目标区域与搜索区域的相似度，这就是典型的多输入。目标跟踪为什么需要相似度？在跟踪中，下一帧的目标要和上一帧的阅读全文

posted @ 2023-07-05 22:21 AI大道理阅读(2289) 评论(0) 推荐(0) 编辑

孪生网络：图片相似度对比神器

摘要：本文来自公众号"AI大道理" —————— Siamese Network（孪生网络）很早就被发明了，它的作者是著名的卷积神经网络LeNet-5的作者LeCun。最早用来从相似图片数据集上学习图片表示的网络结构就是siamese网络。两幅图通过两个共享权重的CNN得到各自的表示，而各自表示的距离决定阅读全文

posted @ 2023-07-05 22:08 AI大道理阅读(591) 评论(0) 推荐(0) 编辑

模型剪枝：Network Slimming剪枝实战

摘要：本文来自公众号“AI大道理” Network Slimming剪枝是比较广泛的一种模型剪枝方法，作者来自清华大学、英特尔中国实验室、复旦大学和科内尔大学。添加图片注释，不超过 140 字（可选） 1、Network Slimming剪枝理论 Network Slimming剪枝是结阅读全文

posted @ 2023-07-05 22:07 AI大道理阅读(237) 评论(0) 推荐(0) 编辑

模型剪枝：给模型剪个头发

摘要：本文来自公众号“AI大道理”。深度学习网络模型从卷积层到全连接层存在着大量冗余的参数，大量神经元激活值趋近于0，将这些神经元去除后可以表现出同样的模型表达能力，这种情况被称为过参数化，而对应的技术则被称为模型剪枝。网络一般是over-parameterized参数过多的，有冗余的权重和神经元阅读全文

posted @ 2023-07-05 22:06 AI大道理阅读(235) 评论(0) 推荐(0) 编辑