<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[CenterNet，一个统一化的视觉方法]]></title><description><![CDATA[<p>相信大家之前听说过Conernet，通过角点回归来做目标检测，然而令人震惊的是计算机视觉发展已经先进到通过中心点预测一切！！<br />
听起来大家可能觉得没有啥，但这个方法拥有者无穷的想象和可能性，你还在为fastercnn地速度困扰？yolov3训练太繁琐？（当然这一些都很简单，来这里看看最新最快的工业级别的检测方法：<a href="http://codes.strangeai.pro" target="_blank" rel="noopener noreferrer nofollow">http://codes.strangeai.pro</a> ）然而现在，你可以在段时间内训练一个高精度，比yolov3更快的目标检测！！</p>
<p><em>最关键的是</em>, 这个方法还能做人体姿态预测！！还能做3D 检测。手动execuse me？这么吊的方法为什么我没有听说？为什么我现在才知道？没有为什么，因为论文昨天才上线的，而你没有关注我们的专栏，更没有在这个论坛注册：<a href="http://talk.strangeai.pro" target="_blank" rel="noopener noreferrer nofollow">http://talk.strangeai.pro</a> 脱离AI前沿，消息闭塞，没有渠道，没有说过也很正常。当然啦，我们鲜花不多说，首先来看看效果：</p>
<p><img src="/assets/uploads/files/1555560183858-645ac4e1-c017-4fed-8abb-bd052e19f252-image.png" alt="645ac4e1-c017-4fed-8abb-bd052e19f252-image.png" class="img-responsive img-markdown" /></p>
<p><img src="/assets/uploads/files/1555560194807-853f6a5f-3de7-44cb-931b-168dab28b798-image.png" alt="853f6a5f-3de7-44cb-931b-168dab28b798-image.png" class="img-responsive img-markdown" /></p>
<p>Amazing！！！，这个检测效果，我可以说非常的ok！！<br />
最关键的我们来看一下速度，速度在当今这个追求极致的年代及其重要，这个方法的速度(GTX1080ti)：<br />
detection:  30ms;<br />
pose: 40ms;<br />
3D: 40-45ms.<br />
这个速度我还能说什么？very very fast！！！！<br />
好了，最重要的来了，这个方法实际上已经开源了!</p>
<p>欢迎大家访问国内最大的AI算法开源平台，在这里发现众多优秀的、工业级别的部署AI算法，同时获取训练自己数据集的指导，还有机会加入我们的社群哦！<br />
奇异AI-国内最大的AI代码平台<br />
​<br />
<a href="http://codes.strangeai.pro" target="_blank" rel="noopener noreferrer nofollow">http://codes.strangeai.pro</a></p>
]]></description><link>http://t.manaai.cn/topic/107/centernet-一个统一化的视觉方法</link><generator>RSS for Node</generator><lastBuildDate>Mon, 14 Sep 2026 12:25:20 GMT</lastBuildDate><atom:link href="http://t.manaai.cn/topic/107.rss" rel="self" type="application/rss+xml"/><pubDate>Thu, 18 Apr 2019 04:03:59 GMT</pubDate><ttl>60</ttl><item><title><![CDATA[Reply to CenterNet，一个统一化的视觉方法 on Thu, 18 Apr 2019 04:03:59 GMT]]></title><description><![CDATA[<p>相信大家之前听说过Conernet，通过角点回归来做目标检测，然而令人震惊的是计算机视觉发展已经先进到通过中心点预测一切！！<br />
听起来大家可能觉得没有啥，但这个方法拥有者无穷的想象和可能性，你还在为fastercnn地速度困扰？yolov3训练太繁琐？（当然这一些都很简单，来这里看看最新最快的工业级别的检测方法：<a href="http://codes.strangeai.pro" target="_blank" rel="noopener noreferrer nofollow">http://codes.strangeai.pro</a> ）然而现在，你可以在段时间内训练一个高精度，比yolov3更快的目标检测！！</p>
<p><em>最关键的是</em>, 这个方法还能做人体姿态预测！！还能做3D 检测。手动execuse me？这么吊的方法为什么我没有听说？为什么我现在才知道？没有为什么，因为论文昨天才上线的，而你没有关注我们的专栏，更没有在这个论坛注册：<a href="http://talk.strangeai.pro" target="_blank" rel="noopener noreferrer nofollow">http://talk.strangeai.pro</a> 脱离AI前沿，消息闭塞，没有渠道，没有说过也很正常。当然啦，我们鲜花不多说，首先来看看效果：</p>
<p><img src="/assets/uploads/files/1555560183858-645ac4e1-c017-4fed-8abb-bd052e19f252-image.png" alt="645ac4e1-c017-4fed-8abb-bd052e19f252-image.png" class="img-responsive img-markdown" /></p>
<p><img src="/assets/uploads/files/1555560194807-853f6a5f-3de7-44cb-931b-168dab28b798-image.png" alt="853f6a5f-3de7-44cb-931b-168dab28b798-image.png" class="img-responsive img-markdown" /></p>
<p>Amazing！！！，这个检测效果，我可以说非常的ok！！<br />
最关键的我们来看一下速度，速度在当今这个追求极致的年代及其重要，这个方法的速度(GTX1080ti)：<br />
detection:  30ms;<br />
pose: 40ms;<br />
3D: 40-45ms.<br />
这个速度我还能说什么？very very fast！！！！<br />
好了，最重要的来了，这个方法实际上已经开源了!</p>
<p>欢迎大家访问国内最大的AI算法开源平台，在这里发现众多优秀的、工业级别的部署AI算法，同时获取训练自己数据集的指导，还有机会加入我们的社群哦！<br />
奇异AI-国内最大的AI代码平台<br />
​<br />
<a href="http://codes.strangeai.pro" target="_blank" rel="noopener noreferrer nofollow">http://codes.strangeai.pro</a></p>
]]></description><link>http://t.manaai.cn/post/243</link><guid isPermaLink="true">http://t.manaai.cn/post/243</guid><dc:creator><![CDATA[刘看山]]></dc:creator><pubDate>Thu, 18 Apr 2019 04:03:59 GMT</pubDate></item><item><title><![CDATA[Reply to CenterNet，一个统一化的视觉方法 on Tue, 07 May 2019 12:06:35 GMT]]></title><description><![CDATA[<p>不错哦,支持, 不错</p>
]]></description><link>http://t.manaai.cn/post/261</link><guid isPermaLink="true">http://t.manaai.cn/post/261</guid><dc:creator><![CDATA[刘看山]]></dc:creator><pubDate>Tue, 07 May 2019 12:06:35 GMT</pubDate></item></channel></rss>