- 综合排序
- 最热优先
- 最新优先
- 来自专栏计算机视觉战队
多目标检测：基于YoloV4优化的多目标检测
一、前言 为了解决目标检测任务中小目标检测精度低、误检、漏检率高等问题，有研究者提出了一种基于YOLOv4卷积神经网络的多目标检测方法。 多目标检测作为目标检测领域的一个重要研究方向，一直受到研究人员的广泛关注。目前，在智能交通、智能辅助驾驶和视频监控等领域已经产生了深入的研究。 二、概要 今天分享的框架，新的方法基于YOLOv4。 高层特征的语义信息首先通过FPN采样传播到低层网络，然后与底层特征的高分辨率信息融合，以提高小目标检测对象的检测效果。 输入特征图经过一个卷积层后，经过5×5、9×9、13×13三个核进行最大池化， 然后concat得到的特征图进行通道拼接，输出通道数变成原来通道数的4倍，特征图大小保持不变。
1.4K20编辑于 2022-01-26 - 来自专栏联远智维
多目标优化
多目标优化在系统最优设计、最优控制以及社会科学等方面都具有广泛的应用，例如：坦克的变速箱不仅需要良好的传动精度，运动过程中还需要保持极高的稳定性；火箭的恒温层结构不仅需要极好的隔热性能，更需要保证良好的耐撞性能 多目标优化的特征为：一般情况下，多目标优化问题的各个子目标之间是相互矛盾的（一个子目标的改善可能会引起另几个子目标性能的降低），很难使得多个子目标同时达到最优值，只能在多个目标之间进行折中处理，使得各个子目标都尽可能达到最优解 ，从数学角度可以做如下描述： No.1 多目标优化 多目标优化与单目标优化具有本质区别，主要体现于多目标优化问题的解并非唯一，而是存在一组由众多Pareto最优解组成的集合，具体如下图中蓝色曲线所示 ，采用优化算法过程中出现收敛性困难等问题； 3、多目标优化问题的帕累托解集包含更多有效信息。 No.2 程序代码 NSGA-Ⅱ是目前流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。
1.6K20编辑于 2022-01-20 - 来自专栏null的专栏
多目标建模总结
在多目标的建模过程中，如果不同的学习任务之间较为相关时，多个任务之间可以共享一部分的信息，这样最终能够提升整体的模型学习效果。 分别为face classification，bounding box regression和facial landmark localization，这三个任务可以共享底层的CNN网络，以MTCNN[4] left \{ det,box,landmark \right \}}\alpha _j\beta _i^jL_i^j 其中， \alpha _j 和 \beta _i^j 是两个超参，这两个超参在参考[4] 总结 多目标建模已经成为当前推荐系统中的标配，在多目标建模过程中，需要考虑多个目标之间的相互关系，以选择合适的多目标建模方法，同时，在多目标的损失函数的设计上，也存在很多的优化方案，需要根据具体的应用场景选择合适的损失函数 International ACM SIGIR Conference on Research & Development in Information Retrieval. 2018: 1137-1140. [4]
1.4K20编辑于 2023-02-02 - 来自专栏智能算法
多目标模板匹配
这里贴张目标图像，就是需要匹配的图像，先从简单到复杂讲解，对单目标匹配完才能进行多目标匹配嘛，如下图所示为目标图像，由于太大了，缩放下，模板图像其实是从红色框框里抠出来的。 ? 接下来说说多目标模板匹配吧。 三. 多目标模板匹配 有了之前的基础，这里要说说多目标模板匹配，目标图像中很有可能出现需要匹配的目标处于旋转一定角度的，就是说，目标与模板的摆放角度并不相同，如下图所示： ?
2.4K50发布于 2018-04-02 - 来自专栏我爱计算机视觉
PyTorch 多目标跟踪
今天介绍一份PyTorch实现的多目标跟踪的开源库，在Github 上搜索 MOT tracking ，该份代码排名第一位，目前已经有505颗星。 该代码实现的是广为人知的deep sort多目标跟踪算法，算法原作者的实现是基于TensorFlow的，作者用PyTorch实现了RE-ID（目标重识别）模块，并将目标检测模型从Faster RCNN
1.3K20发布于 2019-12-31 - 来自专栏null的专栏
多目标建模总结
在多目标的建模过程中，如果不同的学习任务之间较为相关时，多个任务之间可以共享一部分的信息，这样最终能够提升整体的模型学习效果。 分别为face classification，bounding box regression和facial landmark localization，这三个任务可以共享底层的CNN网络，以MTCNN[4] \left \{ det,box,landmark \right \}}\alpha _j\beta _i^jL_i^j其中，\alpha _j 和\beta _i^j 是两个超参，这两个超参在参考[4] 总结多目标建模已经成为当前推荐系统中的标配，在多目标建模过程中，需要考虑多个目标之间的相互关系，以选择合适的多目标建模方法，同时，在多目标的损失函数的设计上，也存在很多的优化方案，需要根据具体的应用场景选择合适的损失函数 International ACM SIGIR Conference on Research & Development in Information Retrieval. 2018: 1137-1140.[4]
1.7K20编辑于 2023-01-19 - 来自专栏计算机视觉战队
多目标检测：基于Yolo优化的多目标检测（附论文下载）
一、前言 为了解决目标检测任务中小目标检测精度低、误检、漏检率高等问题，有研究者提出了一种基于YOLOv4卷积神经网络的多目标检测方法。 多目标检测作为目标检测领域的一个重要研究方向，一直受到研究人员的广泛关注。目前，在智能交通、智能辅助驾驶和视频监控等领域已经产生了深入的研究。 二、概要 今天分享的框架，新的方法基于YOLOv4。 高层特征的语义信息首先通过FPN采样传播到低层网络，然后与底层特征的高分辨率信息融合，以提高小目标检测对象的检测效果。 输入特征图经过一个卷积层后，经过5×5、9×9、13×13三个核进行最大池化， 然后concat得到的特征图进行通道拼接，输出通道数变成原来通道数的4倍，特征图大小保持不变。
1.6K20编辑于 2023-08-24 - 来自专栏AI研习社
多目标追踪器：用OpenCV实现多目标追踪（C++Python)
多目标追踪：OpenCV 的多目标追踪器 OpenCV 中的 MultiTracker 类提供了多目标追踪的实施方法。 这个追踪器会用于多目标追踪器。 trackerType == trackerTypes[3]: tracker = cv2.TrackerTLD_create() elif trackerType == trackerTypes[4] trackerType == trackerTypes[3]) tracker = TrackerTLD::create(); else if (trackerType == trackerTypes[4] Python # Set video to load videoPath = "videos/run.mp4" # Create a video capture object to read
4.2K20发布于 2018-11-22 - 来自专栏机器视觉CV
多目标跟踪评价指标
多目标跟踪评价指标 ** 如何评价 如何衡量目标跟踪，需要从以下几个点出发： 所有出现的目标都要及时能够找到； 目标位置要尽可能与真实目标位置一致； 每个目标都应该被分配一个独一无二的 ID，并且该目标分配的这个 5Bobject%20Object%5D&originHeight=902&originWidth=635&size=0&status=done&style=none&width=635] MOTA：多目标跟踪准确度 (Multiple Object Tracking Accuracy, MOTA) 衡量单摄像头多目标跟踪准确度的一个指标 [a31b4e197b4c28de22104e39cf30c104.svg 这三项依次表示缺失率（[d4f2345fde9bf8f0dc90b1cd137603ee.svg#card=math&code=%5Cbegin%7Bequation%7D%5Cfrac%7BF%20N MOTP：多目标跟踪精确度 (Multiple Object Tracking Precision, MOTP) 衡量单摄像头多目标跟踪位置误差的一个指标 [3368c7cfce9919a74529239d6783ab6b.svg
3.5K51发布于 2020-06-15 - 来自专栏null的专栏
多目标建模算法PLE
概述在现如今的推荐系统或者搜索中，都存在多个目标，多目标的算法在现如今的系统中已然成为了标配。 在多目标的建模过程中，如果不同的学习任务之间较为相关时，多个任务之间可以共享一部分的信息，这样最终能够提升整体的模型学习效果。
1.8K50编辑于 2023-01-18 - 来自专栏学习成长指南
数学建模~~多目标规划
1.认识多目标规划 （1）前面我们介绍的是单目标规划，现在我们要认识一下多目标规划： （2）使用上面的这个题目作为例子，简单的翻译一下题干，这个题目说的就是 有1，2这两种产品需要我们进行生产，一共有11 的原材料，10小时的时间，产品1的生产消耗原材料2千克，需要耗费1小时，利润是8万元，产品二以此类推； 如果是单个目标规划问题，可能题干就会问这个最大的利润是多少，如果是这个多目标规划问题，问题就是这个图片里面展示的那样 就是正偏差变量，我们把这个不足的给补上，把这个超过的给减去，最后就可以把这个8x1+10x2的大于等于号变成等于号，因为在这个偏差变量的加持下，我们已经考虑到了这个误差，所以这个时候是可以取到等号的 （4） var就是表示的创建一个变量，无论是在MATLAB还是其他的编程语言里面，这个var都可以用来表示一个变量的创建，所以optimvar就表示的优化变量，optimproblem就表示的优化问题）； （4） ，这两个数据分别代表的就是产品1和产品2的生产数量； 下面的就是最后的求解结果，这里是一共进行了三次计算，每次计算都是在上一级达到最优解的情况下进行的，最后的结果就是产品1对应的是两个，产品2对应的是4个
30610编辑于 2025-02-24 - 来自专栏null的专栏
多目标建模算法PLE
概述 在现如今的推荐系统或者搜索中，都存在多个目标，多目标的算法在现如今的系统中已然成为了标配。 在多目标的建模过程中，如果不同的学习任务之间较为相关时，多个任务之间可以共享一部分的信息，这样最终能够提升整体的模型学习效果。
2K30编辑于 2023-02-01 - 来自专栏图灵技术域
多目标优化问题概述
下图是多目标优化问题中最优解或非劣最优解的定义 ? 一些关于Pareto最优解的文献解释： 若x*∈C,且在C中不存在比x*更优越的解x,则称x*是多目标最优化模型式的Pareto最优解,又称为有效解。 .对于包括有定量和定性属性的多指标决策问题(参见“多目标决策问题”),其非劣解是指在所给的可供选择的方案集中,已找不到使每一指标都能改进的解.在多目标规划中,它即指有效解(参见“有效解”)和较多最优解( 不同算法在多目标优化中的应用 多目标优化问题不存在唯一的全局最优解。但仍然需要寻找到1个最终解。 有三类方法： 1.生成法：大量求非劣解，从中寻找最优解。 2.交互法：分析目标求出最优解。 3.将多目标问题转换为单目标问题求解。 原创文章非商业转载请注明出处，商业转载请联系。
1.7K11发布于 2021-05-21 - 来自专栏字节流动
OpenGL ES 多目标渲染（MRT）
OpenGL ES 多目标渲染 OpenGL ES 多目标渲染（MRT），即多重渲染目标，是 OpenGL ES 3.0 新特性，它允许应用程序一次渲染到多个缓冲区。 个绑定的纹理对象，将渲染结果保存到 4 个纹理中 layout(location = 0) out vec4 outColor0; layout(location = 1) out vec4 outColor1 ); outColor3 = vec4(0.0, 0.0, outputColor.b, 1.0); } 用于渲染（采样） 4 个纹理的片段着色器，实际上是将 4 张图做一个拼接。 samplerName, i); } glDrawElements(GL_TRIANGLES, 6, GL_UNSIGNED_SHORT, (const void *)0); OpenGL ES 多目标渲染结果 OpenGL ES 多目标渲染 -- END --
3.5K31发布于 2020-10-12 - 来自专栏炼丹笔记
推荐系统多目标建模技巧
因此，一个成熟的推荐系统，会向多目标、多任务方向进行演化，从而承担起更多的业务目标！ 本文，我来分享一下在多目标优化问题上一些思路，包括多目标任务的技巧、算法模型MMOE、SNR、ESMM、PLE等。 多目标任务的技巧 样本加权 通过Sample Weight进行多目标优化，保证一个主目标的同时，通过将其它目标转化为样本权重的方式改变数据分布，从而达到优化其它目标的效果。 但本质上并不是多目标建模，而是将不同的目标转化为同一个目标，样本的加权权重需要根据线上AB测试才能确定。 zhuanlan.zhihu.com/p/291406172 3、SNR: Sub-Network Routing for Flexible Parameter Sharing in Multi-task Learning 4、
2K10编辑于 2022-05-23 - 来自专栏SIGAI学习与实践平台
深度多目标跟踪算法综述
通常有三种拓扑形式的Siamese网络结构，如图4。 ? 图4：三种Siamese网络拓扑结构。 Chu等人对行人多目标跟踪问题中跟踪算法发生漂移进行统计分析，发现不同行人发生交互时，互相遮挡是跟踪算法产生漂移的重要原因[4]。如图10。 ? 针对这个问题，文献[4]提出了基于空间时间关注模型(STAM)用于学习遮挡情况，并判别可能出现的干扰目标。 4、基于深度学习的视觉多目标跟踪算法讨论 上文我们讨论了视觉多目标跟踪领域中，深度学习算法近年来的发展。 目前的基于深度学习的多目标跟踪框架在以下两个方向取得了较好的进展：(1)结合多目标跟踪场景的网络设计，比如在文献[4]中考虑多目标交互的情况设计网络架构，这种考虑跟踪场景的网络设计对于跟踪结果有明显提升
1.3K30发布于 2018-11-23 - 来自专栏无人驾驶感知
【目标跟踪】多目标跟踪测距
想了解详细原理可以参考往期博客：【目标跟踪】多目标跟踪sort （python 代码） 。这里不过多赘述，直接上代码，如有疑问，欢迎私信交流。 # sort算法参数 colours = 255 * np.random.rand(32, 3) # 随机生产颜色 video = cv2.VideoWriter("video.mp4" frame += 1 # 从1帧开始 dets = seq_dets[seq_dets[:, 0] == frame, 2:7] dets[:, 2:4] self.kf.P[4:, 4:] *= 1000. self.kf.P *= 10. self.kf.Q[-1, -1] *= 0.01 self.kf.Q[4:, 4:] *= 0.01 self.kf.x[:4] = convert_bbox_to_z
89810编辑于 2024-02-05 - 来自专栏SIGAI学习与实践平台
深度多目标跟踪算法综述
通常有三种拓扑形式的Siamese网络结构，如图4。 经过实验表明，第三种网络结构能够生成更好的判别结果。 Chu等人对行人多目标跟踪问题中跟踪算法发生漂移进行统计分析，发现不同行人发生交互时，互相遮挡是跟踪算法产生漂移的重要原因[4]。如图10。 针对这个问题，文献[4]提出了基于空间时间关注模型(STAM)用于学习遮挡情况，并判别可能出现的干扰目标。 综合双线性LSTM表观模型和LSTM运动模型，作者提出了新的基于MHT框架的跟踪算法MHT-bLSTM，得到的性能如下表： 4.基于深度学习的视觉多目标跟踪算法讨论 上文我们讨论了视觉多目标跟踪领域中 目前的基于深度学习的多目标跟踪框架在以下两个方向取得了较好的进展：(1)结合多目标跟踪场景的网络设计，比如在文献[4]中考虑多目标交互的情况设计网络架构，这种考虑跟踪场景的网络设计对于跟踪结果有明显提升
2.7K20发布于 2018-10-23 - 来自专栏图灵技术域
HyperVolume多目标评价指标概述
参考 [1] Hypervolume指标及其在多目标进化算法中的应用研究[D]. 湘潭大学, 2010. [2] Xue B, Zhang M, Browne W N.
1.8K20发布于 2021-05-21 - 来自专栏数据魔术师
论文拾萃|多目标A*算法解决多模式多目标路径规划问题(MMOPP)
1引言 多目标决策在现实生活中有着普遍的应用。解决一个多目标最优化问题需要同时考虑多个往往会相互冲突的目标。在大多数情况下，想要同时达到每个目标的最优情况是不现实的。 包含这一特殊目标的优化问题就是所谓的多模式多目标优化问题。 多目标路径规划问题是一个典型的优化问题。在运动规划、城市交通、车辆路径规划等领域都有该问题的体现。 每一个顶点对应一个强制性区域或度为3或4的区域，而每一条边则对应两个节点间度为2的连续相邻区域的一串序列。对于每一个顶点，我们用表示该节点，用代表与该节点相连的边的集合。特别地，用,和,... 缩减后的无向图如图： 3.2 多目标A*算法 多目标A*算法[Multi-Objective A* Algorithm(MOA*)]是整个算法的核心。所谓“A*”算法，可以理解为带提示的搜索算法。 4计算效果 为了验证图简化以及启发式函数对计算的优化效果，我们将该算法与两个退化的版本“naive approach”和“blind approach”相比较。
4.2K21编辑于 2022-03-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号