https://www.jianshu.com/p/eb3749331cee

colmap应该是目前state-of-art的增量式SFM方案，可以方便的对一系列二维图片进行三维重建不用对摄像机进行标定，只需要从不同角度对重建场景或物体进行拍摄得到一系列图像作为输入首先需要安装colmap在ubuntu安装参考我的上一篇博客：ubuntu下安装运行colmap下面就是如何使用colmap来跑自己的数据进行三维重建首先从不同角度对重建物体进行拍摄，我选取了8张图片在终端运行c

转：https://www.jianshu.com/p/eb3749331cee

本文翻译自One-shot object detection，原作者保留版权。作为计算机视觉领域的一项重要任务，目标检测是要找到一张图片里的感兴趣物体：这比图像分类任务更高级，因为分类只需要告诉图像中主要物体是什么，然而目标检测要找到多个物体，不仅要分类，而且要定位出它们在图像中的位置。目标检测模型不仅要预测出各个物体的边界框（bounding boxes），还要给出每个物体的分类概率。通常情况下

从五个方面解读CVPR2016 目标检测论文YOLO: Unified, Real-Time Object Detection创新核心思想效果改进实践1. 创新YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。从网络设计上，YOLO与rcnn、fast rcnn及faster rcnn的区别如下：[1] YOLO训练和检测均是在

前言当我们谈起计算机视觉时，首先想到的就是图像分类，没错，图像分类是计算机视觉最基本的任务之一，但是在图像分类的基础上，还有更复杂和有意思的任务，如目标检测，物体定位，图像分割等，见图1所示。其中目标检测是一件比较实际的且具有挑战性的计算机视觉任务，其可以看成图像分类与定位的结合，给定一张图片，目标检测系统要能够识别出图片的目标并给出其位置，由于图片中目标数是不定的，且要给出目标的精确位置，目标检

目标检测是人工智能的一个重要应用，就是在图片中要将里面的物体识别出来，并标出物体的位置，一般需要经过两个步骤：1、分类，识别物体是什么2、定位，找出物体在哪里image除了对单个物体进行检测，还要能支持对多个物体进行检测，如下图所示：image这个问题并不是那么容易解决，由于物体的尺寸变化范围很大、摆放角度多变、姿态不定，而且物体有很多种类别，可以在图片中出现多种物体、出现在任意位置。因此，目标检

jetson nano安装torchvision时报错进行编译安装：cd torchvisionpython3 setup.py install解决：1.如果是python2请先使用sudo pip install pyzmq==17.0.0，python3使用sudo pip3 install pyzmq==17.0.0事实证明，无效！！！2.fatal error: libavcodec/av

一、 Python编译安装缺失模块_ctypesbuild correctly but finished with this message:Failed to build these modules:_ctypes安装依赖库sudo apt install build-essential python3-devlibffi-dev二、在安装Python3.8编译时报错：Could not bui

ResNet在2015年被提出，在ImageNet比赛classification任务上获得第一名，因为它“简单与实用”并存，之后很多方法都建立在ResNet50或者ResNet101的基础上完成的，检测，分割，识别等领域都纷纷使用ResNet，Alpha zero也使用了ResNet，所以可见ResNet确实很好用。下面我们从实用的角度去看看ResNet。1.ResNet意义随着网络的加深，出现