## 引言在深度学习目标检测中，特别是人脸检测中，小目标、小人脸的检测由于**分辨率低，图片模糊，信息少，噪音多**，所以一直是一个实际且常见的困难问题。不过在这几年的发展中，也涌现了一些提高小目标检测性能的解决手段，本文对这些手段做一个分析、整理和总结。**欢迎探讨，本文持续维护。**## 实验平台N/A## 传统的图像金字塔和多尺度滑动窗口检测最开始在深度学习方法流行之前，对于不同尺度的目标，

简介 & 安装官方文档 albumentationsalbumentations 是一个给予 OpenCV的快速训练数据增强库，拥有非常简单且强大的可以用于多种任务（分割、检测）的接口，易于定制且添加其他框架非常方便。它可以对数据集进行逐像素的转换，如模糊、下采样、高斯造点、高斯模糊、动态模糊、RGB转换、随机雾化等；也可以进行空间转换（同时也会对目标进行转换），如裁剪、翻转、随机裁剪等。

1个人介绍大家好，我是潘大强。目前博士毕业4年，主要从事智能安防行业。之前也分享过AI从业的一些心得，个人介绍链接。应大白的邀请，从AI从业者的角度，分享工作中遇到的一些经验。之前在江大白的群里，看到有同学提问“鱼眼相机标定”的问题。对于鱼眼相机的标定和矫正，网上已经有很多理论文章，但是落实到代码层面的并不多，而且大部分代码都是C++实现。但是做AI的同学，大多数都是用python语言，所以本次分

以前提过单目测距的问题，检测的障碍物2-D框加上摄像头的姿态和路面假设。以下根据公开发布的论文讨论具体的算法：注：深度学习直接估计深度图不属于这个议题。1。Vision-based ACC with a Single Camera: Bounds on Range and Range Rate Accuracy著名的Mobileye论文，先看成像几何如图：本车A，前方车B和C，摄像头P焦距f，高度

Introduction顾名思义，通过姿势估计，我们尝试从图像中推断出物体或人的姿势。这涉及识别和定位身体上的关键点。由于身体的小关节、遮挡和缺乏上下文、旋转和方向，关键点的识别是一项非常具有挑战性的任务。在本文其余部分将主要关注人体姿势估计的情况下，膝盖、肘部、肩部和手腕等主要关节代表这些关键点。在分类方面，姿态估计器可以分为以下几类：维度（2D 与 3D）单姿势和多姿势（检测一个或多个物体）方

一前言：看着自己日渐发福的身材，回想当年的英姿煞爽，感慨颇多。作为一个有羞耻心的程序猿，我决定开始减肥。考察了数十项减肥项目，我选择了仰卧起坐。因为它场地限制小，时间限制短，不剧烈，不伤身，最关键的是能够一边看综艺，一边锻炼，简直妙不可言！试行了几天之后发现有一个比较棘手的问题，做着做着，就忘了做了多少个，一脸懵逼，万般无奈，于是便有了这个运动计数APP的灵感。不用太花哨的功能，最最简单的一点，能

一、需求背景这天接到个新需求，需要实时检测自然场景下目标人体的关键点位置。从算法工程师的角度来拆解下需求：1、检测人体关键点位置，就是人体姿态估计任务嘛；2、要实时，那么就是终端部署，服务端那传输延时就不考虑了。对了咱们硬件不大行，所以肯定是要轻量级模型的，分辨率也不能太大，剪枝量化蒸馏三件套也要做好打算；3、“自然场景下的目标人体”，意思就是场景下可能有多人，但是我们只需要一个目标的关键点，要考

ubuntu1804 加速系统启动，通过修改系统文件/etc/default/grub，然后执行update-grub命令重新生成grub引导文件即可。主要的修改是屏蔽 GRUB_TIMEOUT_STYLE=hidden 在根据需要修改GRUB_TIMEOUT。例如GRUB_DEFAULT=0#GRUB_TIMEOUT_STYLE=hiddenGRUB_TIMEOUT=5GRUB_DISTRIBU

导读WBF已经成为优化目标检测的SOTA了。目标检测是计算机视觉中最常见、最有趣的任务之一。最近的SOTA模型，如YOLOv5和EfficientDet，令人印象深刻。本文将介绍一种新的SOTA新技术，称为加权框融合，它优化了一个很大的目标检测问题。这是一种先进的目标检测技术，我是在当前的VinBigData Kaggle比赛中遇到它的。如果你熟悉目标检测的工作原理，你可能知道总有一个主干CNN来

摘要小目标检测长期以来是计算机视觉中的一个难点和研究热点。在深度学习的驱动下，小目标检测已取得了重大突破，并成功应用于国防安全、智能交通和工业自动化等领域。为了进一步促进小目标检测的发展，本文对小目标检测算法进行了全面的总结，并对已有算法进行了归类、分析和比较。首先，对小目标进行了定义，并概述小目标检测所面临的挑战。然后，重点阐述从数据增强、多尺度学习、上下文学习、生成对抗学习以及无锚机制等方面来