前言最近论文刚刚写完，终于可以做一些自己喜欢的东西了，Happy。之前学过一段时间Android, 感觉移动端App开发和PC上的软件，比如Qt, 存在很大的不同，App开发更好玩一些&#

一：基于两阶段的目标检测算法 基于两阶段方法的目标检测又被称为基于**候选区域（region proposal）**的方法。
从2014年Grishick等人 在AlexNet 的基础上将region

这篇文章记录在台式机ubuntu18.04下搭建Object Detection API框架，以及Intel Movidius神经元计算棒2代环境，并使用自己的训练集对MobileNet-SSD网络进行训练调参与测试

TBC-Net（TBC-Net: A real-time detector for infrared small target detection using semantic constraint） link TB

基于改进型YOLOv3的SAR图像舰船目标检测
0.概述
本文主要介绍了新提出的一种改进型YOLOv3的SAR图像船舰目标检测方法，此方法依据船舰尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和Shuffle

这部分上V4和V3十分相似
git clone https://github.com/AlexeyAB/darknet.gitcd darknet修改makefile一些配置，then make
修改后的makefile如下

目标检测具有广阔的发展前景和巨大的商业价值, 已经成为国内外相关从业者的研究热点, 在智能安防、自动驾驶等领域具有广泛应用. 经典的目标检测方法有Dalal于2005年提出的基于HOG特征的检测方法[, Felzenswalb等人于2008年提

❝上期我们一起学习了Faster RCNN的损失函数以及如何进行模型训练的相关知识，如下：Faster RCNN的损失函数以及模型训练流程❞本文主要学习：One-Stage / Two-StageSSD

一、基本知识点积累
1.1 自适应锚点框
在 yolov3、v4 中是采用 kmean 和遗传算法对自定义数据集进行分析，获得合适自定义数据集中对象边界框预测的预设锚点框。在 yolov5 中锚点框是基于训练数据自动学习的。&

选择要用的GPU: CUDA_VISIBLE_DEVICES
在JetsonNX中使用PaddleHUB，要使用GPU来做目标检测时，出错，测试代码很简单：
import paddle