最近使用如下图的deb（network）方式来安装cuda，发现下载很慢。便寻找加速方法，网上搜了一圈，没发现合适的方法。后来无意中发现有cuda的国内镜像，便

官方git:GitHub - Megvii-BaseDetection/YOLOX: YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngin

在众多经典的目标检测模型中，均有先验框的说法，有的paper(如Faster RCNN)中称之为anchor(锚点)，有的paper(如SSD)称之为prior bounding box(先验框)&#x

一、目标检测简介
针对一张图片，根据后续任务的需要，有三个主要层次。
一是分类（Classification），即是将图像结构化为某一类别的信息，用事先确定

其实在深度学习分类中我们已经介绍了目标检测和目标识别的概念、为了照顾一些没有学过深度学习的童鞋，这里我重新说明一次：目标检测是用来确定图像上某个区域是否有我们要识别的对象，目标识别是用来判断图片上这个对

随着深度学习的发展，基于深度学习的目标检测方法因其优异的性能已经得到广泛的使用。目前经典的目标检测方法主要包括单阶段(YOLO、SSD、RetinaNet，还有基于关键点的检测方法等)和多阶段方法(Fast RCNN

实现目标及说明
MATLAB——编程实现基于平均背景法的视频运动目标检测，并且要不断更新背景。 网上找到的很多关于运动目标检测的，多数是用OpenCV或者Python来解决的，奈何我都不会&#xff0

文件目录
数据集下载：https://www.cityscapes-dataset.com/downloads/ 下载 leftImg8bit_trainvaltest.zip 和 gtFine_trainvaltest.zi

昨天运行yolo系列模型时，先用kmeans聚类得到了anchor，然后训练模型。训练结束后想用kmeans或者其他改进版，重新聚类后得到anchor再训练模型，做一个结果对比。
于是在

CSPNet介绍： 计算机视觉的任务很依赖昂贵的计算资源，提出了跨阶段局部网络（CSPNet）解决以往工作中需要大量推理计算的问题。CSPNet易于实现，并且足够通用&#xf