2025年03月29日
目标检测算法的性能比较与评估是计算机视觉领域的重要课题。随着深度学习技术的快速发展，目标检测算法在精度和速度上都有了显著提升。
在性能评估方面，常用的指标包括交并比（IoU）、精度（Precision）、召回率（Recall）、平均精度（AP）和平均精度均值（mAP）等。其中，IoU用于衡量预测边界框与真实边界框的重叠程度，是判断检测是否准确的关键指标。而AP和mAP则分别用于衡量某一类别和整个数据集上检测算法的精度性能。此外，F1-Score作为精度和召回率的调和平均数，也是评估分类问题的一个常用指标。
2025年03月29日
本文回顾了由微软研究人员开发的 Faster R-CNN 模型。Faster R-CNN 是一种用于物体检测的深度卷积网络，在用户看来，它是一个单一的、端到端的统一网络。该网络可以准确快速地预测不同物体的位置。为了真正理解 Faster R-CNN，我们还必须快速概述一下它所进化的网络，即 R-CNN 和 Fast R-CNN。
2025年03月28日
皮带是矿山生产中重要的输送设备，由于设备、环境等原因，皮带易发生跑偏，给企业带来经济损失与安全隐患。现有的皮带跑偏检测方法主要分为人工巡检法与机器视觉检测法。人工巡检存在漏检问题，对于长距离、复杂环境下的皮带跑偏检测并不适用。机器视觉检测法分为
2025年03月28日
精准感知自身在道路中的位置和感知周围目标的相关信息是无人驾驶汽车在驾驶场景中的关键问题。车辆在道路上行驶需要确定行车路线，路线的制定又依赖于自身在道路中位置。道路中存在规范车辆行驶的车道标识线，规范车辆在车道上有序行驶。这使得车辆可以通过感知系统检测和识别车道标识线的位置确定车辆在道路中的位置。在道路上存在其他机动车辆和行人，无人驾驶汽车需要避免碰撞这些目标发生交通事故，这就要求感知系统检测自身车辆周围目标的准确信息如位置、大小和方向等，从而制定路线避开这些目标。
2025年03月28日
智东西 文 | Origin
半年之前，国产激光雷达厂商速腾聚创宣布了“普罗米修斯”计划，着力打造一系列激光雷达的点云算法，使得激光雷达能够通过点云信息 ，像摄像头那样实现物体识别、分类、跟踪等功能，提供给自动驾驶的合作伙伴。
经过半年的测试发展后，速腾聚创告诉车东西，这套称作“RS-LIDAR-Algorithms”的算法趋于成熟，因此将正式对加入“普罗米修斯”计划的合作伙伴进行开放。速腾聚创也成为继Ibeo之后全球范围内第二家发布此类算法的激光雷达厂商。
2025年03月28日
开启了自动导航时，自动导航(autopolite) 让车辆保持在车道线行驶。那么车道线检测就成为了自动导航中的比较基本且重要的任务。因为要让车辆行驶在车道线上，首要任务就是识别出车道线的位置。现在这个任务是神经网络来完成，神经网络可以通过学习，来在不同环境下对车道线进行识别。不过今天介绍的车道线检测，会用到一些计算机视觉的技术、例如色彩空间、边缘检测(Canny 检测)、霍夫变换等技术。所以我们就以这个实例来带大家重温一下这些计算机视觉的技术。