Attribute-aware Pedestrian Detection in a Crow

news/2024/7/10 1:49:09 标签: 目标检测, 深度学习, 计算机视觉

APD,citypersons的SOTA，主要解决重叠目标的问题

普通NMS流程：
对于最后输出的所有框
(1)找到预测置信度最大的框M
(2)计算其他同类框和M的IOU
(3)将IOU大于阈值N_t的框的置信度置0
普通NMS的问题：
两(多)个同类物体的IOU特别大的时候，其中一个人的预测框会在最后被NMS掉
在这里插入图片描述

那么，有没有可能知道两个框是否属于同一个identity呢？

=》给每个框预测一个属性向量，负责标记其identity
如果是属于同一个identity，则其向量相近，若不属于同一个identity，则其向量尽量远离

http://www.niftyadmin.cn/n/507643.html

matplotlib画动态轨迹图

参考https://blog.csdn.net/suzyu12345/article/details/78338091 函数from matplotlib.animation import FuncAnimation anim animation.funcanimation(fig, animate, init_funcinit, frames100, interval20, blittrue) # fig: 是我们创建的画布 # animat: 是重点&#xff0…

python做视频拼接

需求：将两个视频上下or左右拼接，用来做直观对比应该可以读入视频，遍历帧，每帧当做np对象直接concate，加padding的，不过已经有现成的包了，实现应该更加高效，就不造轮子了用到的包&a…

决策树ID3、C4.5、CART算法

参考【机器学习】决策树（上）——ID3、C4.5、CART（非常详细） - 阿泽的文章 - 知乎 https://zhuanlan.zhihu.com/p/85731206 算法的目的都是为了构建决策树，即每一层应该用什么特征用于分支。比如第一层用性别&#xff0…

基于决策树的神经网络规则提取

什么是规则就是IF…THEN… eg.IF ageyouth AND studentyes THEN buys_computeryes 决策树->规则参考https://blog.csdn.net/DQ_DM/article/details/38345753 如何从决策树中提取规则？ 对于一个决策树，有多少叶子节点就可以提取多少规则。从根结点…

熵，交叉熵，KL散度，条件熵

参考理解熵与交叉熵 - 九号的文章 - 知乎 https://zhuanlan.zhihu.com/p/389293738 熵计算公式：H(a)−log(p(a))H(a) -log(p(a))H(a)−log(p(a)) 就是信息量，对于一个事件A，的一种情况的信息量，由情况a_i发生的概率决定举个例…

联合分布，边缘分布，条件分布，互信息

注意：分布和概率有时候会混乱，有时候P(X)表示X的分布，有时候用F(X)，有时候用p(X)，具体的直接看作者说它是啥就是啥吧分布函数要求F(X)F(X)F(X)，实际上是FX(x)P{X<x}F_X(x)P\{X<x\}FX(x)P{X<…

Information Bottleneck信息瓶颈理论

可以理解为一个损失函数信息瓶颈理论把神经网络理解为一个编码器和一个解码器，编码器将输入x编码成Z，解码器将Z解码成输出y 而信息瓶颈理论的目标则是 RIB(θ)R_{IB}(\theta)RIB(θ)就是信息瓶颈，θ\thetaθ是网络的参数，也是…

A Gift from Knowledge Distillation：relation蒸馏

使用relation的蒸馏代替传统的feature map或者logits蒸馏如何建模relation? 就是feature map的内积比如两个residual block，输出的feature map大小相等，但channel数可能不同，比如F1：(h,w,m)，F2：(h,w,n)…

Attribute-aware Pedestrian Detection in a Crow

相关文章