CenterNet（Objects as points）开源代码：https://github.com/xingyizhou/CenterNethttps://github.com/xingyizhou/CenterNet1、环境安装在GitHub下载centernet代码，并按照CenterNet中的reademe-Installation部分搭建centernet运行环境需要注意的是：在原版I

显卡驱动&cuda&pytorc版本都要相对应！安装顺序1、安装显卡驱动https://blog.csdn.net/lihe4151021/article/details/90083431?spm=1001.2014.3001.5506验证：nvidia-smi查看显卡驱动安装信息2、安装cuda&cudnnhttps://blog.csdn.net/qq_39248298

鱼眼相机数据集适配的任务

鱼眼相机数据集适配的任务

具体而言，ViTPose使用普通和非分层vit Transformer[14]作为backbone来提取给定人物实例的特征图，其中backbone通过掩蔽图像建模借口任务（例如MAE[16]）进行预训练，以提供良好的初始化。然后，下面的轻量级解码器通过对特征图进行上采样并对关键点的热图进行回归来处理提取的特征由两个反卷积层和一个预测层组成。尽管模型中没有精心设计，但ViTPose在具有挑战性的MS

如标题

从现代自然语言处理（NLP）移植而来的基于转换器的架构[55]在各种视觉任务中取得了巨大成功，如表示学习[15，39]、对象检测[8，34，67]、语义分割[66]、视频理解[4，17，40]以及姿态估计[36，43，51，61，62]。Bottom-up Approaches.自下而上的算法[7，10，19，27，29，41，44，45]检测图像中的未知实例的关键点，并对这些关键点进行组合以获得

Average Precision(AP) @[ IoU=0.50:0.95 | area=all | maxDets=100 ] = 0.000Average Precision(AP) @[ IoU=0.50| area=all | maxDets=100 ] = 0.000Average Precision(AP) @[ IoU=0.75| area=all | maxDets=100 ]

VOC数据集详解