coco

2018 年世界杯前， StarTimesOn App 在非洲正式上线，全程直播 32 个球队的 64 场比赛，获得了广泛的关注和大量用户。目前StarTimesOn App除了转播体育赛事，还有 140 多个国际顶级的直播频道，以及数万小时的影视剧内容。 然而在非洲的网络条件下，交付良好的视频播放体验绝非易事，所以这几年张亮的工作就是从各个角度探索问题的解决方案，以保障非洲地区的视频播放体验。 采访讲师： 张亮 ，四达时代研发总监，毕业于北京科技大学，拥有超过十年的视频处理与CDN行业经验，对视频关键技术和大型系统架构设计有较深入的理解，近几年专注于海外弱网下的视频播放体验优化。目前主要负责“StarTimes On视频基础平台”的建设与技术管理工作。 LiveVideoStack：请您简单为读者介绍一下“StarTimesOn视频基础平台”及其亮点。 张亮： StarTimesOn视频基础平台包含了视频处理、视频分发、用户请求调度、视频QoE与QoS分析四大模块，每一部分均为非洲的独特挑战量身定制。 说到亮点，首先应该是 0-RTT起播的特性 ，用户在播放视频之前无需与后台和CDN进行多次交互，而是直接下载视频内容开始播放，这个特点使用户免受高RTT带来的首屏时间较长问题。 在 视频处理 部分，我们针对非洲相对较差的网络环境，设计了针对性的转码算法和封装格式

作者|facebookresearch 编译|Flin 来源|Github Detectron2入门 本文档简要介绍了detectron2中内置命令行工具的用法。 有关涉及使用API​​进行实际编码的教程,请参阅我们的Colab Notebook( https://colab.research.google.com/drive/16jcaJoc6bCFAQ96jDe2HwtXj7BMD_-m5 ) ,其中涵盖了如何对现有模型进行推断,以及如何在自定义数据集上训练内置模型。 有关更高级的教程,请参阅我们的文档( https://detectron2.readthedocs.io/tutorials/extend.html )。 预训练模型的推理演示 从模型Zoo( https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md ) 中选择一个模型及其配置文件 ,例如 mask_rcnn_R_50_FPN_3x.yaml 。 我们提供 demo.py 能够运行内置标准模型的工具。使用以下命令运行它： python demo/demo.py --config-file configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \ --input

End-to-End Object Detection with Transformers [paper] https://arxiv.org/pdf/2005.12872.pdf [github] https://github.com/facebookresearch/detr Abstract We present a new method that views object detection as a direct set prediction problem. 本文做了啥：提出了一种将目标检测看作直接集预测问题的新方法。 Our approach streamlines the detection pipeline, effectively removing the need for many hand-designed components like a non-maximum suppression procedure or anchor generation that explicitly encode our prior knowledge about the task. 本文工作的亮点：简化了检测流程，有效地消除了许多手工设计的组件的需求，比如一个非最大抑制程序或锚的生成，显式地编码了关于任务的先验知识。 The main ingredients of the

做基于深度学习的目标检测问题需要数据集，网上的代码大多数是针对PASCAL VOC以及COCO数据集检测的，然而让我头大的是很难找到针对目标检测的SAR图像数据集。 导师一开始让我了解OpenSARship数据集，该数据集的文件结构如 该数据集并没有打回归框标签，更加适合做分类任务而做目标检测任务则需要自己制作类似VOC和COCO数据集。于是在很多博客上看了制作VOC和COCO数据集的方法。 在知乎文章《用于深度学习SAR图像舰船目标检测的数据集SSDD和SSDD+》中(文章链接https://zhuanlan.zhihu.com/p/58404659)，了解到SSDD数据集正是满足需求的现成做SAR目标检测的数据集，并从该作者的另一篇文章《SAR图像舰船目标检测-我们应该做些什么》（文章链接https://zhuanlan.zhihu.com/p/104260766）介绍了其它可用于SAR目标检测的数据集 SAR-Ship-Dataset AIR-SARShip-1.0 ISSID 幸运的是，学长给了我这些数据集的压缩包。 数据集的获取算是初步搞定啦！ 来源： oschina 链接： https://my.oschina.net/u/4304002/blog/4300155

　　机器之心专栏 　　 作者：罗志鹏（深兰北京AI研发中心） 　　 来自深兰科技北京 AI 研发中心的 DeepBlueAI 团队在 CVPR 2020 夜间行人检测挑战赛中斩落了两个冠军、一个亚军。本文将介绍该团队的解决方案。 　　近日，由 CVPR 2020 Workshop 举办的 NightOwls Detection Challenge 公布了最终结果。来自深兰科技北京 AI 研发中心的 DeepBlueAI 团队斩获了「单帧行人检测」和「多帧行人检测」两个赛道的冠军，以及「检测单帧中所有物体」赛道的亚军。 　　 　　 　　本文将为大家介绍 DeepBlueAI 团队的解决方案。 　　 NightOwls 检测挑战赛简介 　　检测 RGB 摄像机拍摄的夜间场景图片中的行人，是一个非常重要但是未被充分重视的问题，当前最新的视觉检测算法并不能很好地预测出结果。官方 baseline 在 Caltech（著名行人检测数据集）上的 Miss Rate（越小越好）可以达到 7.36%，但在夜间行人数据集上却只能达到 63.99%。 　　夜间行人检测是许多系统（如安全可靠的自动驾驶汽车）的关键组成部分，但使用计算机视觉方法解决夜间场景的检测问题并未受到太多关注，因此 CVPR 2020 Scalability in Autonomous Driving Workshop

参考了Mask-RCNN实例分割模型的训练教程： pytorch官方的Mask-RCNN实例分割模型训练教程： TORCHVISION OBJECT DETECTION FINETUNING TUTORIAL 官方Mask-RCNN训练教程的中文翻译： 手把手教你训练自己的Mask R-CNN图像实例分割模型（PyTorch官方教程） 在Mask-RCNN实例分割模型训练的基础上稍作修改即可实现Faster-RCNN目标检测模型的训练 相关网页： torchvision自带的图像分类、语义分割、目标检测、实例分割、关键点检测、视频分类模型： TORCHVISION.MODELS torchvision Github项目地址： https://github.com/pytorch/vision 1. 准备工作 除了需要安装pytorch和torchvision外，还需要安装COCO的API pycocotools windows系统安装pycocotools的方法： Windows下安装pycocotools 导入相关包和模块： import torch import os import numpy as np import cv2 import matplotlib.pyplot as plt from torchvision import datasets, transforms

　　机器之心原创 　　 作者：张倩 　　 「Everyone’s talking about AI. Huawei is making it happen.」 　　你坐飞机的时候有没有想过一个问题：「为什么我坐的飞机总是不靠廊桥，还要拿着行李去挤摆渡车？」 　　 　　通常，相关人员会告诉你：廊桥资源比较珍贵，因此飞机靠桥的几率要低于停在远机位的几率。 　　其实，这个答案只说出了一部分原因。 　　随着机场航班数量的不断增加，「靠桥率」成为了衡量机场运行管理水平 的重要指标。要在这个指标上有所提高，除了改善硬件之外，「调度」也是一个突破口。 　　在国内，深圳机场率先找准了这个「突破口」。 　　深圳机场的廊桥机位与远机位的比例为 1:3。按照这个比例，很大一部分乘客都需要乘坐摆渡车。那么，如何让更多的航班停靠在廊桥呢？深圳机场给出的解决方案是：AI 智能调度。 　　在 2018 年之前，深圳机场使用的调度方案主要是人工和系统配合的，每天 1000 多个航班的机位分配需要花掉 4 个小时。从 2018 年 11 月开始，深圳机场开始建设机位资源智能分配系统，2019 年正式上线。该系统将靠桥率提升了 10 个百分点，每个廊桥每天能多保障一个航班，一年之内为 400 万旅客省去了坐摆渡车的麻烦。同时，它还将机位分配的时间缩短为 1 分钟。 　　在刚刚结束的华为云 TechWave

　　 YOLOv4 发布不到 2 个月，一个名叫 YOLOv5 的目标检测框架横空出世，但它真的够格继承 YOLO 之名并沿用社区公认的版本号吗？工程师 Ritesh Kanjee 近日在 Medium 上通过事实与社区观点对此给出了否定答案，并批评了这种「欺世盗名」的行为。 　　 　　2020 年 4 月 23 日，YOLOv4 发布…… 　　2020 年 6 月 10 日，YOLOv5 又来了…… 　　是不是超厉害？这不正表明我们的研究和科技发展速度超快吗？毕竟这个广受欢迎的目标检测框架的新一代 v4 版本刚发布不久，下一代 v5 版本就横空出世了。YOLOv5 真的这么厉害以至于自成一代？还是说仅仅是个噱头？本文将尽可能客观地研究其中一些相关证据，看看 YOLOv5 究竟是否名副其实？ 　　 　　来自：https://github.com/ultralytics/yolov5 　　首先简单介绍一下 YOLO。YOLO 是一个实时目标检测框架，其意思是 You Only Look Once（你只看一次）。也就是说待检测的目标图像仅会通过全卷积神经网络（FCNN）一次。碍于篇幅，本文不会介绍 YOLO 的技术细节，感兴趣的读者可参阅机器之心的文章《教程 | 单级式目标检测方法概述：YOLO 与 SSD》及《YOLO v4 它来了：接棒者出现，速度效果双提升》。 　　 事件回顾 　

@ 目录 一、前言 二、深度网络的退化问题 三、残差学习 3.1 残差网络原理 3.2 ResNet结构为什么可以解决深度网络退化问题？ 3.3 残差单元 3.4 ResNet的网络结构 四、实验结果 ResNet-50 完整代码 参考资料： 一、前言 深度残差网络（Deep residual network, ResNet）的提出是CNN图像史上的一件里程碑事件，让我们先看一下ResNet在ILSVRC和COCO 2015上的战绩： ResNet取得了5项第一，并又一次刷新了CNN模型在ImageNet上的历史, ImageNet分类Top-5误差： 那么ResNet为什么会有如此优异的表现呢？其实ResNet是解决了深度CNN模型难训练的问题，从图2中可以看到14年的VGG才19层，而15年的ResNet多达152层，这在网络深度完全不是一个量级上，所以如果是第一眼看这个图的话，肯定会觉得ResNet是靠深度取胜。事实当然是这样，但是ResNet还有架构上的技巧，这才使得网络的深度发挥出作用，这个技巧就是残差学习（Residual learning）。 论文名称：Deep Residual Learning for Image Recognition 论文作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun 论文地址：

CVPR 2020 会议上，有哪些目标检测论文值得关注？ 选自heartbeat，作者：Derrick Mwiti，机器之心编译，参与：陈萍。 目标检测是计算机视觉中的经典问题之一。凭借大量可用数据、更快的 GPU 和更好的算法，现在我们可以轻松训练计算机以高精度检测出图像中的多个对象。 前不久结束的 CVPR 2020 会议在推动目标检测领域发展方面做出了一些贡献，本文就为大家推荐其中 6 篇有价值的目标检测论文。 论文清单 A Hierarchical Graph Network for 3D Object Detection on Point Clouds HVNet: Hybrid Voxel Network for LiDAR Based 3D Object Detection Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud Camouflaged Object Detection Few-Shot Object Detection with Attention-RPN and Multi-Relation Detector D2Det: Towards High-Quality Object Detection and Instance Segmentation 1. A