reproduced and trained DepthNet (a combination of CONV and LSTM). But what surprised me was that the memory usage was too large. So I plan to give up using LSTM.
MobileNet V1: Using depthwise convolutions and 1X1 convolutions instead of standard convolution to reduce the numble of parameters. And introducing two hyper-parameters (width … Continue Reading ››
歩行者検出実験中，前にすでにYOlOv 3の歩行者検出実験を実現しました。しかし、リアルタイムの目標検出技術は急速に改良され、結果も驚くべきものである。4月、YOLOvシリーズの継承のもと、YOLOv 4が世に出た《YOLOv4: Optimal Speed and Accuracy of Object Detection》。5月、YOLOv 4を超え、より速く、より良い目標検出ネットワークPP-YOLOが出現しました《PP-YOLO: An Effective and Efficient Implementation of Object Detector》。6月，Glenn JocherがYOLOv 5のPyTorchを公開しましたhttps://github.com/ultralytics/yolov5、現在の最先端の目標検出技術、推理速度は現在最強です。
歩行者の再識別に関しては、実際の応用に向けて、ECCV 2020が発表したばかりの論文を読みました《Interpretable and Generalizable Person Re-identification with Query-adaptive Convolution and Temporal Lifting》、主にReID適応問題を解決します。
