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

## 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，

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

一、前言作为一个刚走上工作岗位的打工人，算法研究与落地的差异性是首先需要学习与适应的。在周末的网上冲浪中，偶然发现了极市平台，其中有不少计算机视觉比赛以及项目招募，这些基本都是针对计算机视觉技术落地应用，还有丰厚的奖励～于是就抱着试试看的想法接触了一下。后来，极市平台推出了一种新的项目合作模式，即极市打榜。我第一次参与时选择了打架识别这一榜单，按照平台学习、算法调研、模型训练、测试优化等步骤完成了

前言今年号称是激光雷达元年！各厂家纷纷发布搭载激光雷达的车型，不光是新势力，如小鹏、蔚来，也包括传统汽车厂家，如上汽、长城、北汽等，都是计划今明两年量产。同时，毫米波雷达数量，也从1~5颗拓展到6~8颗，已有应用4D成像雷达车型；摄像头，除了前视和环视摄像头，侧向4颗+后向1颗摄像头已基本成为标配。这里简单梳理下自动驾驶传感器方案发展路线（乘用车），以及各类型传感器发展趋势。国内搭载激光雷达车型（

本文汇总了常见的一些单传感器、多传感器的标定融合paper、工程代码，应用于自动驾驶、3D视觉、SLAM等领域，供大家学习参考~1、相机标定Online Calibration of Exterior Orientations of a Vehicle-Mounted Surround-View Camera SystemCalibration of fisheye camera using en

极市导读本文为特斯拉高级总监Andrej Karpathy关于神经网络调参经验的总结，为了更好的训练神经网络，作者为自己定制了一套具体的流程。通过阅读本文能给大家的调参大幅提高效率。>>加入极市CV技术交流群，走在计算机视觉的最前沿今天看到一篇非常非常棒的调节NN的文章，作者是特斯拉高级总监Andrej Karpathy，就翻译过来和大家一起分享，难免翻译有问题，有兴趣的朋友可以去引文

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

## 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，