real-time object detection | BriefGPT

关键词real-time object detection

搜索结果 - 17

YOLOv10 及其起源：一篇十年来全面回顾《You Only Look Once》系列的论文
此综述系统地考察了 You Only Look Once（YOLO）目标检测算法从 YOLOv1 到最新发布的 YOLOv10 的发展进程。通过逆向时间顺序分析，研究探讨了 YOLO 算法带来的进步，从 YOLOv10 开始，逐步分析了 Y
PDF24 days ago
LW-DETR：实时检测的一种用于替代 YOLO 的 Transformer
本文介绍了一种轻量级检测变换器 (LW-DETR)，它在实时目标检测方面优于 YOLO，架构简单，由 ViT 编码器、投影器和浅层 DETR 解码器组成，结合训练有效技术和插入式窗口和全局注意力等最新技术，改进了 ViT 编码器的复杂性，实
PDFa month ago
YOLOv5 和 YOLOv8 在动态机器人环境中的精确性和适应性
该研究通过比较分析 YOLOv5 和 YOLOv8 模型，挑战了后者在性能指标上的优越性的普遍假设。与最初的预期相反，YOLOv5 模型在目标检测任务中表现出了可比较的甚至在某些情况下优越的精度。我们的分析探讨了导致这些发现的底层因素，包括
PDFa month ago
实时基于 Transformer 的开放词汇检测与高效融合头部
基于端到端的基于 Transformer 的检测器（DETRs）通过语言模态的融合在封闭集和开放词汇目标检测（OVD）任务中展现出了异常优秀的性能。然而，其对计算资源的需求限制了其在实时目标检测（OD）场景中的实际应用。本文针对 OVDEv
PDF4 months ago
基于 YOLOv7 与 ShuffleNetv2、Vision Transformer 集成的轻量级目标检测研究
本研究通过使用高级技术（如 Group Convolution、ShuffleNetV2 和 Vision Transformer），优化了 YOLOv7 算法，减小了模型的参数数量和内存使用，并简化了网络架构，从而在资源受限的设备上加强了
PDF4 months ago
利用物体检测和口头反馈帮助盲人
本研究使用 YOLO 模型和 OpenCV 库，利用实时视频检测对象并将图像识别结果以可听形式提供给视觉障碍者，成功实现了优秀的平均准确率 (mAP)。
PDF7 months ago
DEYOv3：实时目标检测中的 DETR 和 YOLO
提出了一种名为 DEYOv3 的全新端到端实时目标检测模型，采用逐步训练方法，设计灵活、训练成本低，速度和准确性均优于现有的实时目标检测器。
PDF9 months ago
金 - YOLO：通过聚集与分发机制实现高效物体检测
在本研究中，我们提出了一种先进的 Gatherand-Distribute 机制（GD 机制），该机制借助卷积和自注意操作实现。我们设计的新模型 Gold-YOLO 在跨所有模型尺度上提升了多尺度特征融合能力并在延迟和准确性之间实现了理想的
PDF10 months ago
YUDO：统一定向物体检测的 YOLO
该研究提出了一种有效的方法来检测定向物体，通过预测它们的中心坐标和方向角来实现，而无需预测物体的宽度和高度。
PDFa year ago
Q-YOLO：实时目标检测的高效推理
本研究描述了一种低位量化方法来构建一个高效的单级检测器，称为 Q-YOLO，有利于在资源受限的边缘设备上部署目标检测模型，从而实现减少计算和内存开销的实时检测。
PDFa year ago
实时车载目标检测用于增强现实：基于 YOLOv8 增强头戴式显示器
本文提出了一种软件架构，用于在增强现实环境中使用机器学习进行实时物体检测。我们采用最新的 YOLOv8 网络，它可以在 Microsoft HoloLens 2 头戴式显示器上运行。我们展示了该模型的图像处理流水线以及用于在资源受限的边缘计
PDFa year ago
实时物体检测：使用 PyTorch 重新实现 YOLOv1
使用 PyTorch 框架实现了基于 YOLO v1 架构的实时目标检测，进行了多项技术尝试并与原始算法进行了指标比较。
PDFa year ago
DETR 在实时目标检测中击败了 YOLO
本文提出了第一款实时端到端物体检测器 ——Real-Time DEtection TRansformer（RT-DETR），支持灵活调整推理速度且在速度和准确度上均优于同一规模的 YOLO 检测器以及 DINO-Deformable-DET
PDFa year ago
从 YOLOv1 到 YOLOv8 以及未来 ——YOLO 的全面评估
本文综合分析了 YOLO 实时目标检测系统的发展历程及其每个版本的创新和贡献，从原版 YOLO 到 YOLOv8，涵盖了标准度量和后处理、网络架构和训练技巧等方面，总结了 YOLO 发展的重要经验和展望其未来，强调提高实时目标检测系统的潜在
PDFa year ago
动态环境下的实时 SLAM 管道
本文提出了一个新的实时 SLAM 流水线，使用 RGB-D SLAM 和 YOLO 实时物体检测来分割和去除动态场景，并构建静态场景 3D 模型。
PDFa year ago
YOLOSA 基于 2D 局部特征叠加自注意力的物体检测
通过使用新颖的自注意力模块，将全局特征反映到局部特征和局部接受域，以及优化解耦头和 AB-OTA，我们提出的模型在大中小型模型上能够实现 49.0%（71FPS，14ms），46.1%（85FPS，11.7ms）和 39.1%（107FPS
PDF2 years ago
CVPRCVPR 2021 自动驾驶研讨会：流式感知挑战技术报告
本文介绍我们基于 YOLOX 模型设计的实时 2D 目标检测系统，适用于现实中自主驾驶场景，我们在 Argoverse-HD 数据集上实现了 41.0 的实时准确率，超过了第二名 7.8/6.1 的检测轨迹 / 完全轨迹，此外，配备 Ten
PDF3 years ago