- 在目标检测任务中，一张图片的的不同目标框的大小是不一样的，有的数据集小物体比较多，有的数据集大物体比较多，那么如何来衡量数据集的这种特性呢，以及有什么方法辅助模型针对这种特征进行更好的训练，本博客将进行详细的介绍和分析。 在目标检测任务中，一张图片的的不同目标框的大小是不一样的，有的数据集小物体比较多，有的数据集大物体比较多，那么如何来衡量数据集的这种特性呢，以及有什么方法辅助模型针对这种特征进行更好的训练，本博客将进行详细的介绍和分析。
- 一、问题描述 在目标检测任务中，一张图片中的目标框在整张图片上面的位置可能会不一样，有的目标框可能分布在图片的中间，有的目标框可能分布在图片的边缘位置，边缘化程度，即目标框中心距离图片中心距离占图片总距离的比值，越大表示物体越靠近边缘。下图表示的是图片中标记框距离中心比较远的场景，即标记框的边缘化分布比较严重。图1 图片标记框边缘化分布示例目标框边缘化敏感度就是描述这种现象的指标，检测模型... 一、问题描述 在目标检测任务中，一张图片中的目标框在整张图片上面的位置可能会不一样，有的目标框可能分布在图片的中间，有的目标框可能分布在图片的边缘位置，边缘化程度，即目标框中心距离图片中心距离占图片总距离的比值，越大表示物体越靠近边缘。下图表示的是图片中标记框距离中心比较远的场景，即标记框的边缘化分布比较严重。图1 图片标记框边缘化分布示例目标框边缘化敏感度就是描述这种现象的指标，检测模型...
- 在目标检测任务中，一张图片的的单个目标框可能会被其他目标框覆盖，目标框的堆叠度就是描述这种现象的指标，本博客将介绍该现象的背景以及分析相关的解决方法 在目标检测任务中，一张图片的的单个目标框可能会被其他目标框覆盖，目标框的堆叠度就是描述这种现象的指标，本博客将介绍该现象的背景以及分析相关的解决方法
- 在目标检测的模型评估阶段，目标检测的假阳性（误检分析）以及假阴性（漏检分析）是比较重要的一环，那么如何降低误检和漏检情况下的位置偏差呢，本博客将详细介绍相关的技术细节 在目标检测的模型评估阶段，目标检测的假阳性（误检分析）以及假阴性（漏检分析）是比较重要的一环，那么如何降低误检和漏检情况下的位置偏差呢，本博客将详细介绍相关的技术细节
- 在目标检测的模型评估阶段，目标检测的假阳性（误检分析）以及假阴性（漏检分析）是比较重要的一环，如何降低误检以及漏检中的类别误差呢，本博客将对相关的技术进行介绍和分析。 在目标检测的模型评估阶段，目标检测的假阳性（误检分析）以及假阴性（漏检分析）是比较重要的一环，如何降低误检以及漏检中的类别误差呢，本博客将对相关的技术进行介绍和分析。
- 在目标检测的模型评估阶段，目标检测的假阳性（误检分析）以及假阴性（漏检分析）是比较重要的一环，本博客将介绍目标检测中出现的误检和漏检想象，并分析相关的解决方法 在目标检测的模型评估阶段，目标检测的假阳性（误检分析）以及假阴性（漏检分析）是比较重要的一环，本博客将介绍目标检测中出现的误检和漏检想象，并分析相关的解决方法
- 前言 在很多深度学习的比赛项目中，各种方法trick层出不穷，其中有一种颇受争议的方法就是在测试时使用增强的手段，将输入的源图片生成多份分别送入模型，然后对所有的推理结果做一个综合整合。这种方法被称为测试时增强（test time augmentation, TTA），今天我们就来说说这个测试时增强。TTA流程 TTA的基本流程是通过对原图做增强操作，获得很多份增强后... 前言 在很多深度学习的比赛项目中，各种方法trick层出不穷，其中有一种颇受争议的方法就是在测试时使用增强的手段，将输入的源图片生成多份分别送入模型，然后对所有的推理结果做一个综合整合。这种方法被称为测试时增强（test time augmentation, TTA），今天我们就来说说这个测试时增强。TTA流程 TTA的基本流程是通过对原图做增强操作，获得很多份增强后...
- 参与活动，请移步原帖参与，原帖子链接：https://bbs.huaweicloud.com/forum/thread-70095-1-1.html【乘风破浪赋能学习季】学IoT课程get干货，“盖楼发帖”赢取大奖这个暑假你有什么计划吗？当然是用来学习了，乘风破浪学课程，get技术干货，了解更多IoT知识！ 【活动时间】2020年8月7日-2020年8月24日 12:00【参与方式】1.报名... 参与活动，请移步原帖参与，原帖子链接：https://bbs.huaweicloud.com/forum/thread-70095-1-1.html【乘风破浪赋能学习季】学IoT课程get干货，“盖楼发帖”赢取大奖这个暑假你有什么计划吗？当然是用来学习了，乘风破浪学课程，get技术干货，了解更多IoT知识！ 【活动时间】2020年8月7日-2020年8月24日 12:00【参与方式】1.报名...
- IPC摄像头通过共享笔记本无线网络接入VIS IPC摄像头通过共享笔记本无线网络接入VIS
- 随着政策的加持、技术快速的迭代，人工智能热潮正在蔓延。2020年，AI落地大考还在继续，随之带来的人才需求，也在不断增长，同样率先把握住机会的开发者就有更大机会占据先机。 随着政策的加持、技术快速的迭代，人工智能热潮正在蔓延。2020年，AI落地大考还在继续，随之带来的人才需求，也在不断增长，同样率先把握住机会的开发者就有更大机会占据先机。
- 柯本气候分类法是根据气候和植被之间的经验关系而制定的。这种类型的气候分类方案提供了一种有效的方法来描述由多个变量及其季节性定义的气候条件，用一个单一的指标来衡量。与单一变量的方法相比，柯本分类法可以为气候变化的描述增加一个新的维度。此外，人们普遍认为，用柯本分类法确定的气候组合在生态上是相关的。因此，该分类已被广泛用于绘制长期平均气候和相关生态系统条件的地理分布图。近年来，人们对使用该分类... 柯本气候分类法是根据气候和植被之间的经验关系而制定的。这种类型的气候分类方案提供了一种有效的方法来描述由多个变量及其季节性定义的气候条件，用一个单一的指标来衡量。与单一变量的方法相比，柯本分类法可以为气候变化的描述增加一个新的维度。此外，人们普遍认为，用柯本分类法确定的气候组合在生态上是相关的。因此，该分类已被广泛用于绘制长期平均气候和相关生态系统条件的地理分布图。近年来，人们对使用该分类...
- HydroATLAS v1.0HydroATLAS为HydroBASINS的所有子流域、HydroRIVERS的所有河段和HydroLAKES的所有湖泊多边形提供了一个全球水环境特征汇编。HydroATLAS数据库分为三个不同的子数据集。BasinATLAS、RiverATLAS和LakeATLAS，分别代表子流域的划分（多边形）、河网（线）和湖岸线（多边形）。HydroATLAS总共包含... HydroATLAS v1.0HydroATLAS为HydroBASINS的所有子流域、HydroRIVERS的所有河段和HydroLAKES的所有湖泊多边形提供了一个全球水环境特征汇编。HydroATLAS数据库分为三个不同的子数据集。BasinATLAS、RiverATLAS和LakeATLAS，分别代表子流域的划分（多边形）、河网（线）和湖岸线（多边形）。HydroATLAS总共包含...
- 地球表面光谱1980-2019Bare Surfaces of the Earth该数据集使用谷歌地球引擎中的大地卫星图像，提供了30年的全球裸露表面面积和频率。地球表面的动态为指导环境和农业政策提供了基本信息。无遮盖和无保护的表面经历了一些不良影响，这可能会影响土壤生态系统的功能。我们开发了一种基于多时空遥感图像的技术来识别全球裸露的表面区域及其动态，以帮助对人类和自然现象进行时空评估... 地球表面光谱1980-2019Bare Surfaces of the Earth该数据集使用谷歌地球引擎中的大地卫星图像，提供了30年的全球裸露表面面积和频率。地球表面的动态为指导环境和农业政策提供了基本信息。无遮盖和无保护的表面经历了一些不良影响，这可能会影响土壤生态系统的功能。我们开发了一种基于多时空遥感图像的技术来识别全球裸露的表面区域及其动态，以帮助对人类和自然现象进行时空评估...
- 地形浮雕包括地球地形的垂直和水平变化，驱动着地貌学、生物地理学、气候学、水文学和生态学的进程。通过地貌测量和特征提取对其进行特征描述和评估，是众多环境建模和模拟分析的基础。因此，我们开发了Geomorpho90m全球数据集，包括从MERIT-数字高程模型（DEM）中提取的不同地貌特征，这是目前最好的全球高分辨率DEM。完全标准化的26个地貌变量由以下几层组成：(i) 使用一阶和二阶导数描... 地形浮雕包括地球地形的垂直和水平变化，驱动着地貌学、生物地理学、气候学、水文学和生态学的进程。通过地貌测量和特征提取对其进行特征描述和评估，是众多环境建模和模拟分析的基础。因此，我们开发了Geomorpho90m全球数据集，包括从MERIT-数字高程模型（DEM）中提取的不同地貌特征，这是目前最好的全球高分辨率DEM。完全标准化的26个地貌变量由以下几层组成：(i) 使用一阶和二阶导数描...
- 全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的... 全球ML建筑脚印必应地图正在发布全球范围内的公开建筑脚印。我们从2014年至2021年的Bing地图图像中检测到777M的建筑，包括Maxar和Airbus的图像。为了完整起见，早期发布的数据集也包括在这个数据集中，并被纳入其中。你可以在这里找到Github repo和关于方法的更多信息。数据集是压缩的，可作为不同地区的GeoJSON和GeoJSONL文件。关于预处理的其他信息和一些更多的...
上滑加载中
推荐直播
-
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中 -
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中
热门标签