深度估计作为计算机视觉领域的核心基础任务，在自动驾驶、增强现实、机器人导航等领域具有重要应用价值。单目方法通过端到端深度学习架构，如多尺度特征融合、注意力机制，突破传统几何先验限制，结合监督或自监督范式缓解数据依赖问题，但受限于尺度模糊性。双目技术依托立体匹配的几何约束，通过代价体积构建与三维卷积网络实现亚像素级视差计算，在动态场景鲁棒性上表现突出。两类技术通过语义几何协同优化形成互补，推动算法从

本文提出了DeepCluster，一种用于无监督视觉特征学习的深度聚类方法。该方法结合卷积神经网络（CNN）和标准聚类算法（如k-means），通过迭代进行特征聚类和网络参数更新，实现端到端的无监督训练。具体步骤包括：首先使用当前网络提取特征，通过k-means生成伪标签，然后利用这些伪标签更新网络参数。为避免平凡解，DeepCluster处理空簇和不平衡簇问题，如重新分配空簇中心、按簇大小加权损

确定输入是否为非分布(OOD)是在开放世界中安全部署机器学习模型的基本构件。然而，以前依赖于softmax置信度得分的方法会受到OOD数据的过度自信后验分布的影响。我们提出了一个统一的框架，OOD检测，使用能量评分。我们表明，与使用softmax评分的传统方法相比，能量评分可以更好地区分分布内和分布外样本。与softmax置信度得分不同，能量得分理论上与输入的概率密度一致，并且不太容易受到过度自信

在开放世界中部署的现代神经网络经常与分布外(OOD)输入进行斗争，分布外(OOD)输入是指来自不同分布的样本，网络在训练期间没有接触过这些样本，因此不应该在测试时以高置信度进行预测。一个可靠的分类器不仅应该准确地分类已知的内部分布(ID)样本，而且还应该将任何OOD输入识别为“未知”。这提高了OOD检测的重要性，它确定输入是ID还是OOD，并允许模型在部署中采取预防措施。一种简单的解决方案使用最大

在野外使用的分类器，特别是用于安全关键系统的分类器，不仅应该具有良好的泛化特性，而且应该知道它们何时不知道，特别是远离训练数据进行低置信度预测。我们表明，产生分段线性分类器函数的ReLU型神经网络在这方面失败，因为它们几乎总是产生远离训练数据的高置信度预测。。我们表明，与标准训练相比，这种技术在降低远离训练数据的预测的置信度方面令人惊讶地有效，同时在原始分类任务上保持高置信度预测和测试误差。论文地

在Matching networks论文中对训练周期的定义上提出了episodes的概念，为了区别大数据训练的epochs，在episodes周期里，都是为了服务于few-shot任务的子类别样本训练，这个子类别就是区别于epochs中全类别子样本训练。很多meta-leaming中的任务也喜欢用episodes这个词汇，而对应神经网络中的minibatch是比较合适的。元学习旨在训练一个模型，使

基于 YOLOv5 优化，提供 P5（640 分辨率）/P6（1280 分辨率）检测网络，以及基于 YOLACT 的实例分割网络；设计**n/s/m/l/x**5 个尺度模型，通过**深度因子（d）、宽度因子（w）、比例因子（r）** 精细化调整网络结构，适配从边缘设备到高端 GPU 的全场景需求。**无全新理论创新，聚焦工程化优化与 SOTA 技术融合**，核心改动集中在**骨干网络模块替换、检

ISP 本身的设计和design是为了满足人眼视觉更好的感知，传统的ISP算法每一个step往往都需要prior knowledge，比如白平衡前需要估计光源。每一家厂商的ISP也都有自己的特点，比如Sony和华为他们的自家ISP流程的CCM以及LUT参数肯定不同，同时每家的ISP基本都是黑盒，我们很难获取里面具体的step。*SP针对人眼设计的特性也导致了，这些ISP算法并不一定能很好的满足ma

所谓平滑锯齿操作就是在Recall轴上，对于每个阈值θ计算出的Recall点，看看它的右侧（包含它自己）谁的Precision最大，然后这个区间都使用这个Precision值，Precision和Recall之间的此消彼长的矛盾关系， 既然一个模型的precision和recall是此消彼长的关系，不可能两个同时大，那怎么判断哪个模型更优呢？自蒸馏策略：为了提高 YOLOv6 较小模型的性能，我们

近年来，情景文本阅读技术取得了长足的进步。给定图像，文本定位器可以同时定位和识别文本内容，从而实现许多现实世界的应用，如文档数字化、智能助手和自动驾驶仪。基本上，矩形、四边形和多边形等边界框通常用于表示不同形状的文本。然而，人类可以直观地阅读没有这样一个定义区域的文本，这一事实鼓励了无边界框文本识别器的发展，解除了边界框注释所施加的限制。如下图所示，前面的方法使用由一系列坐标组成的边界框来定义实例