年轻人起来冲

Pytorch 读取数据

发表于 2023-01-01 更新于 2025-02-02 分类于 3-编程实践， F-Pytorch 本文字数： 16k 阅读时长 ≈ 15 分钟

总结了 PyTorch 中关于数据加载和处理的关键概念，包括 Dataset, DataLoader, Sampler, 和自定义数据集的方法

发表于 2022-12-31 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ， OCR 本文字数： 1.1k 阅读时长 ≈ 1 分钟

EAST 基于 FCN 输出，对每个 grid 进行文本行预测，可实现旋转矩形框、任意四边形框的预测

发表于 2022-12-28 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ， OCR 本文字数： 533 阅读时长 ≈ 1 分钟

DB++ 一个文本检测模型，在 DB 的基础上引入多尺度特征融合模块 ASF，使得可以发现更多尺寸的文本

发表于 2022-12-24 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ， OCR 本文字数： 3.1k 阅读时长 ≈ 3 分钟

是一个基于分割的自然场景分本检测模型，通过设计一个 “可微的二值化模块 (DB)” 替换语义分割的后处理，使得每个像素可以使用可学习、自适应的阈值去二值化

发表于 2022-12-21 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ， OCR 本文字数： 1.4k 阅读时长 ≈ 1 分钟

传统的文本识别方法需要先对单个文字进行切割，然后再对单个文字进行识别。CRNN 直接从整张图出发，将图片特征输入 RNN 进行序列学习，最后通过 CTC 计算损失

发表于 2022-12-15 更新于 2025-02-07 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ，人体姿势估计本文字数： 2.8k 阅读时长 ≈ 3 分钟

Drawing 2023-04-13 23.28.32.excalidraw

本文总结自己目前对人体姿态估计的认识，和学习过程

发表于 2022-12-11 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ，人体姿势估计本文字数： 907 阅读时长 ≈ 1 分钟

SpatialDropout 是单人姿态估计提出的网络，主要思想是预测 heatmap 上每个 grid 的类别

发表于 2022-12-09 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ，人体姿势估计本文字数： 1.2k 阅读时长 ≈ 1 分钟

当前的人体姿态估计在深度学习里的发展取得了很大成功，但是在这个领域的神经网络结构变得越来越复杂，也导致对于算法的分析和比较越来越困难。所以作者提出了一个简单但是很有效的 baseline 网络，用来鼓励大家在这个基础之上进行创新同时使用这个 baseline 方法来判断新方法的表现

发表于 2022-12-06 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ，人体姿势估计本文字数： 1.1k 阅读时长 ≈ 1 分钟

STN 通过网络学习变换参数，并使用双线性插值使得网络可训练，以达到可以动态学习图片变换参数的可能，实现对不同图片的变换。可用于需要姿态校正的任务上，如 OCR 文字摆正，生成高质量的单人人体区域，3 D 数据变换

发表于 2022-12-04 更新于 2025-02-02 分类于 2-深度学习， B-视觉模型， 1-基础视觉任务CNN ，人体姿势估计本文字数： 2.3k 阅读时长 ≈ 2 分钟

RMPE 是一个二阶段的姿态估计模型，主要是通过对称空间变换网络 (SSTN) 来提取高质量的单人区域，解决人体检测框质量不高的问题