Welcome to xjc's blog

匈牙利算法是多目标追踪算法中最基础的数据关联方法。 基本思路 在追踪问题当中，我们的目标是将“当前时刻的检测目标”和“过去（上一时刻）已经存在的目标轨迹”进行一一对应。经过过去学者的研究，将这个问题转换为一个分配问题，从而可以用匈牙利算法进行求解。 数学表达 分配问题 对于 \( n \times n \) 的代价矩阵 \( C \)，需要求得最小的总代价： min⁡∑i=1n∑j=1ncijxij\min \sum_{i=1}^n \sum_{j=1}^n c_{ij} x_{ij} mini=1∑n​j=1∑n​cij​xij​ 并且满足以下约束条件： 每个人只能完成一个任务且必须做一个任务： ∑i=1nxij=1∀j=1,2,…,n\sum_{i=1}^n x_{ij} = 1 \quad \forall j = 1, 2, \ldots, n i=1∑n​xij​=1∀j=1,2,…,n 每个任务只能由一个人完成且必须完成： ∑j=1nxij=1∀i=1,2,…,n\sum_{j=1}^n x_{ij} = 1 \quad \forall i = 1, 2,...

本文介绍图像中经典的网络结构 卷积神经网络（CNN） LeNet 最早期的卷积神经网络之一，由Yann LeCun等人在1998年提出，主要用于手写数字识别，奠定了CNN的基础 AlexNet 2012年ImageNet竞赛的冠军模型，首次引入ReLU激活函数、Dropout等技术，标志着深度学习在计算机视觉领域的崛起 VGGNet 使用小尺寸卷积核和更深的网络结构，显著提高了性能，但计算量较大 生成对抗网络（GAN） GAN 由生成器和判别器组成，用于生成新的图像数据 DCGAN 深度卷积生成对抗网络，基于卷积神经网络的GAN，提高了图像生成质量 目标检测网络 R-CNN系列 包括R-CNN、Fast R-CNN、Faster R-CNN等，基于区域提议的两阶段检测算法 YOLO系列 单阶段检测算法，速度快，实时性好 SSD 多尺度特征图检测，兼顾速度和精度 Vision Transformer（ViT） 将Transformer结构应用于图像分类，取得了优异效果