Resumen del algoritmo de red de datos del algoritmo de aprendizaje profundo
1 Enciclopedia de conjuntos de datos
Conjuntos de datos generales de detección 2D, señales de tráfico, líneas de carril, detección de peatones, detección de objetos 3D, ReID y otros conjuntos de datos
2 Resumen de conocimientos de la columna vertebral
Esta parte resume principalmente las estructuras CNN comunes y las estructuras ViT, y también incluye modelos de alto rendimiento como CNN Backbone liviano y modelos Transformer livianos;
3 Detección de objetos
Esta parte trata principalmente de la serie YOLO basada en ancla, sin ancla, de una etapa, de dos etapas, súper completa, detección de objetivos pequeños, modelo multitarea, distribución de cola larga, eliminación de detección falsa, minería de casos difíciles, posicionamiento optimización de precisión, etc. contenido;
4 Segmentación de imágenes
Esta parte es principalmente un resumen de conocimientos y experiencia para tareas como la segmentación semántica, la segmentación de instancias y la segmentación panorámica;
Detección de línea de 5 carriles
Esta parte resume y recopila principalmente modelos de líneas de carril basados en puntos clave, segmentación, clasificación y esquemas de detección desde la dirección del paradigma.
6 Seguimiento de objetos
Esta parte elabora completamente los métodos de seguimiento por detección y extremo a extremo, y agregará un sistema de seguimiento con desplazamiento práctico en el futuro;
7 Detección de objetos 3D
Esta parte resume y resume principalmente el esquema de detección 3D basado en datos de puntos, vóxeles y vistas múltiples;
8 Despliegue del modelo
Específicamente, incluye principalmente TensorRT, NCNN, OpenCV, MNN y OpenVINO para implementar modelos de detección, segmentación, puntos clave y clasificación real;