FairMOT 单次多对象跟踪的简单基准: ,张以夫,王春雨,王兴刚,曾文俊,刘文宇arXiv技术报告( ) 抽象的 近年来,作为多目标跟踪的核心组件的目标检测和重新识别取得了显着进展。但是,很少有人关注在单个网络中完成两项任务以提高推理速度。沿此路径进行的初始尝试最终导致结果降低,这主要是因为未正确学习重新标识分支。在这项工作中,我们研究了故障背后的根本原因,并因此提出了解决问题的简单基准。在30 FPS时,它的性能明显优于MOT挑战数据集上的最新技术。我们希望这个基准可以启发并帮助评估该领域的新想法。 消息 (2020.09.10)FairMOT的新版本发布了! (在MOT17上为73.7 MOTA) 主要更新 我们使用自我监督的学习方法在CrowdHuman数据集上对FairMOT进行了预训练。 要检测图像外部的边界框,我们使用左,上,右和下(4通道)来替换WH头(2通道)。
1
"I found Real Time UML, Third Edition, to provide an informative and practical application of UML 2.0 to the development of real-time systems, and well worth the read by systems and software engineers. It is written in plain English and provides the right balance of depth and breadth."
-Sanford Friedenthal, Deputy, Corporate Systems Engineering, Lockheed Martin CorporationChair, OMG Systems Engineering Domain Special Interest Group
2022-04-29 13:58:29 8.58MB
1
实时人脸识别 (OpenCV) 这是一个完整的 Python 程序,用于创建高效的实时人脸识别应用程序。 脚步: cmd: python face_taker.py 使用face_taker.py脚本拍照。 输入 ID 号后,脚本将在images文件夹中保存 30 张您的脸部images (必须是整数和增量(从 1 开始,然后是 2、3、...) 注意:确保您的脸部居中。窗口将当所有 30 张照片都拍完后折叠起来。 cmd: python face_train.py face_tain.py脚本将训练一个模型来识别使用face_taker.py脚本拍摄的 30 张图像中的所有人脸,并将训练输出保存在training.yml文件中。 cmd: python face_recognizer.py face_recognizer.py是主要脚本。 您需要在face_taker.py
2022-04-24 15:23:21 936KB Python
1
《Real-Time 3D Terrain Engines using C++ and DirectX9》中、英文电子书和官方完整源代码更新V1.6。英文电子书为原书图片扫描,中文电子书为承天一的翻译文字版。
2022-04-13 08:37:02 13.9MB Terrain Engines 中、英文电子书 源代码
1
描述 此回购包含ICNet实现由PyTorch,基于的Hengshuang赵和等。 al(ECCV'18)。 默认情况下,对进行培训和评估。 要求 带有以下pip3 install -r requirements.txt Python 3.6或更高版本: 火炬== 1.1.0 torchsummary == 1.5.1 火炬视觉== 0.3.0 numpy == 1.17.0 枕头== 6.0.0 PyYAML == 5.1.2 更新 2019.11.15:更改crop_size=960 ,最佳mIoU增至71.0%。 花了大约2天的时间。 获取 表现 方法 浓度(%) 时间(毫秒) 第一人称射击 内存(GB) 显卡 ICNet(论文) 67.7% 33毫秒 30.3 1.6 泰坦X ICNet(我们的) 71.0% 19毫秒 52.6 1.86 GTX
2022-04-09 09:32:43 20.54MB real-time pytorch semantic-segmentation cityscapes
1
NI Linux RT安装教程,LabVIEW Linux RT安装教程,PC安装NI Linux RT,普通电脑安装NI Linux RT,NI RealTime System安装,cRIO系统安装,NI Linux Real-Time,
2022-04-06 14:01:11 79.39MB linux 实时操作系统
语义分割经典论文翻译1:DFANet:Deep Feature Aggregation for Real-Time Semantic Segmentation(DFANet翻译)-附件资源
2022-04-02 21:33:31 23B
1
Pytorch实现 做出重要的事情。 命令 火车模型 在config.yaml中修改一些配置 make train 测试模型 make test-all 评估模型 有关评估指标,请参阅存储库 # iou-based Pascal make ioueval # overlap-based DetEval make deteval 历史记录(在TotalText数据集上) 火车数据 测试数据 测试数据集(TotalText) 热图 多边形 旋转矩形 文本行检测(在CTW1500数据集上训练的模型) 图像原点 检测到文字行 全流水线 在MJSynth和SynthText数据集上训练了识别模型 指标评估(DetEval-P / R / HMean) # for TotalText dataset make deteval 方法 图片大小 初始化 脱粒 脱粒 松开比
2022-04-01 11:47:05 79.9MB real-time ocr deep-learning pytorch
1
后期处理 一个后处理库,提供了为实现图像滤镜效果的。 ··· 安装 该库需要对等依赖项 。 npm install three postprocessing 用法 后处理引入了通过和效果的概念,以使用全屏图像处理工具扩展通用渲染工作流程。 以下WebGL属性应用于最佳的后处理工作流程: import { WebGLRenderer } from "three" ; const renderer = new WebGLRenderer ( { powerPreference : "high-performance" , antialias : false , stencil : false , depth : false } ) ; 管理和运行过程。 通常将用作第一遍,以自动清除缓冲区并渲染场景以进行进一步处理。 全屏图像效果通过EffectPass渲染。 有关如何设置渲
2022-03-23 15:43:03 51.81MB webgl composer real-time effects
1
希望可以帮到学习slam的同学,之前看博客里下载需要积分,在学习中无意看到这份资料分享出来
2022-03-14 16:48:23 1.19MB slam
1