最近在处理实验数据的时候，想到了之前学习的分类混淆矩阵当时没有完全弄懂，刚好借着这个机会给深入的学习一下，做好相应的笔记一、检测指标在目标检测任务中，通过不同的IoU阈值来进行检测器的整体

1、Nano GPIO 简介
Nano 板J41排针上还是预留了不少GPIO，如下图。
2、Nano GPIO 硬件环境搭建
我们选择PIN18（板上标识为12）作为输入检测。
3、Nano

首发于：公众号YueTan (1920，被识别为泰迪熊？有排面）
背景
2017年底，我已毕业多年了。用起Excel和PPT、研究车的质量问题俨然老手的样子。有一晚&#

IoU：使用最广泛的检测框loss。 GIoU：2019年CVPR Generalized Intersection over Union: A Metric and A Loss for Bounding Box

首先看github这一段话（链接https://github.com/ultralytics/yolov3/issues/232）：大致含义：比较yoloV3不同输入图像分辨率的推理时间&

之前算map都是用模型在COCO数据集上跑，然后按官方的格式生成results.json，调用cocoapi和官方下载的instances_val2017.json计算就可以了。
现在模型是在自己的数据集上训练的&

Moving Object Detection in theDynamic Background Based on openCVAbstract：Introducing a moving object detection algo

V1损失函数： 1、标注图像某位置有目标，预测为有>计算not response loss 未响应损失以及box框的坐标等的信息对应蓝色框和红色框
其代码为： # # # # # # # # # #

本菜鸡又来记录了。。。
假如有以下一个目录结构：
A
.B
..C
...main.py
.D
..E
...utils.py
如对应格式所示，BD属于同一目录级别，CE也属于同一目录级别。现在m

Objects are Different: Flexible Monocular 3D Object Detection 【Paper】【Code】 简介    CVPR2021 一篇Image-based方法，解决3D目标检测