暂时未有相关云产品技术能力~
暂无个人介绍
该项目利用yolov5+reid实现的行人重识别功能,可做跨视频人员检测。 应用场景: 可根据行人的穿着、体貌等特征在视频中进行检索,可以把这个人在各个不同摄像头出现时检测出来。可应用于犯罪嫌疑人检索、寻找走失儿童等。
本文章将结合代码对yolov5损失函数部分进行详细说明,包含其中的样本匹配问题。如果还需要学习关于yolov5其他部分内容,可以参考我其他文章。
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
笔记
一直都是在做一些目标检测的研究工作,近期开始看一些有关姿态检测的内容,其中最经典的就是openpose这个框架,后面很多动作识别、姿态检测也大多是在该网络上进行改进,比如Real-time 2D Multi-Person Pose Estimation on CPU 这篇论文,在原OpenPose基础上进行了轻量处理,我也用这代码跑了一下,效果也不错。
笔记
笔记
笔记
在有些项目中需要在一个窗口画面中显示多个子画面【这里说的不是plt.subplot()】,比如像下面这种,可以将狗头在画面的右下角进行显示。比如你是做目标检测或者跟踪等,你现在想要将检测后的目标在画面右下角显示或要进一步处理,那么这篇文章可以帮到你
笔记
笔记
笔记
笔记
笔记
笔记
笔记·
最近一直在准备学习目标跟踪,也了解了一些传统的跟踪算法,然后再继续深入学习的时候,碰到了卡尔曼滤波这个东西,这是一种非常经典的算法,即便现在的深度学习中,也常常与之相结合。最早接触卡尔曼滤波应该是我大二的时候了,这么多年已经忘了,而且那时候也不是那么的理解,现在准备进一步理解,这篇文章将尽可能的用通俗的话来说一下个人的理解。