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

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

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。

首先放上DOTA数据集官网（http://captain.whu.edu.cn/DOTAweb/index.html），官网提供水平和旋转目标提交接口，可以看到检测结果实时排行榜（http://captain.whu.edu.cn/DOTAweb/results.html），目前前五名分别来自武汉大学夏桂松团队、南京理工大学pca_lab、Cyber 公司、中科院电子所以及阿里idst。点开前面加

人体姿势骨架以图形格式表示人的方向。本质上，它是一组可以连接起来描述人的姿势的坐标。骨架中的每个坐标都称为零件（或关节或关键点）。两个部分之间的有效连接称为一对（或肢体）。请注意，并非所有零件组合都会产生有效的配对。下面显示了一个示例人体姿势骨架。左：人体姿势骨架的 COCO 关键点格式。右图：渲染的人体姿势骨架。多年来，人们引入了几种人体姿势估计方法。最早（也是最慢）的方法通常是在只有一个人的图

## 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，

## 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