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...
yolo 是一种目标检测算法，官方是基于 darknet 这种框架来训练的，darknet 是用 C 写的，有些硬核，所以我在 GitHub 上找到了人家用 pytorch 复现的 yolo，这次就拿 pytorch 结合 yolo 来训练一下自己的目标检测数据集...
这篇文章鸽了这么久还是动笔开始写了，YOLO 的论文在这之前一共读了两遍，实际中也有要用到的地方，感觉有些东西还是记一下比较好，免得下次再读的时候给忘了，我写这篇的时候又将这篇论文看了一遍，特此记下一些需要注意的东西...
1、3D Object Detection for Autonomous Driving: A Survey 自动驾驶被认为是保护人类免遭严重车祸的最有前途的方法之一。 为此，三维目标检测是感知系统的核心基础，特别是在路径规划、运动预测、避碰等方面。 一般来说...
1、SIMPL: Generating Synthetic Overhead Imagery to Address Zero-shot and Few-Shot Detection Problems 近年来，深度神经网络(DNNs)在空中(如卫星)图像的目标检测方面取得了巨大的成功。 然而，一个持续的挑战是训练...
1、Faster-LTN: a neuro-symbolic, end-to-end object detection architecture 图像对象之间的语义关系的检测是图像解释的基本挑战之一。 神经符号技术，如逻辑张量网络(LTNs)，允许结合语义知识表示和推理的能力，有效地...
我们提出了一种新的对象检测方法——拐角网络，该方法利用单一的卷积神经网络将对象的左上角和右下角作为一对关键点检测出来。通过检测成对的关键点，我们消除了设计一组锚箱的需要，通常使用单级检测器。除了我们的新公式...
自动驾驶汽车的目标检测通常基于摄像头图像和激光雷达输入，通常用于训练深度人工神经网络等预测模型，用于目标识别决策、速度调节等。 这种决策中的一个错误可能是破坏性的; 因此，通过不确定性测度来衡量预测模型决策的...
领域自适应目标检测中流行的方法是采用两阶段架构(Faster R-CNN)，其中涉及大量超参数和手工设计，如锚定、区域池化、非最大抑制等。这样的架构使得在采用现有的某些领域自适应方法和不同的特征对齐方式时变得非常复杂。...
路面路缘检测是自动驾驶的重要环节。 它可以用来确定道路边界，约束道路上的车辆，从而避免潜在的事故。 目前的大多数方法都是通过车载传感器在线检测路缘，比如摄像头或3D激光雷达。 然而，这些方法通常会有严重的咬合问题...
