基于卷积神经网络的多尺度Logo检测算法江玉朝, 吉立新, 高超, 李邵梅国家数字交换系统工程技术研究中心，河南 郑州 450002摘要：针对自然场景图像中多尺度Logo的检测需求，提出了一种基于卷积神

数据准备工作
原始数据分两个文件夹，images（彩色图片）、mask（掩膜照片，一定要转换成灰度图images的名字若为“ABC.jpg”，mask里的掩膜

本文禁止转载！
1. YOLOv5环

论文：《Squeeze-and-Excitation Networks》 论文链接：https://arxiv.org/abs/1709.01507 代码地址：https://github.com/hu

《Salient Object Detection: A Survey》 url:https://arxiv.org/abs/1411.5878 笔记思路： 1.显著性检测的用途：根据显著性特征（空间域

# 注：sift必须在3.4.2下运行，后面的有专利import numpy as np
import cv2
from matplotlib import pyplot as pltMIN_MATCH_COUNT

Dynamic Anchor Learning for Arbitrary-Oriented Object Detection
介绍一篇自己AAAI2021的目标检测工作：Dynamic Anchor Learning for

python 版本
import os
import cv2
import time
import argparseimport torch
import model.detector
import utils.utils
import ut

我的示例代码的dataloader中打包传入的是一个target字典，里面包括boxes和label，如果你们传入的是boxes和label，直接修改参数就行了，然后因为我传入的image

YOLOv5代码注释版更新啦，注释的是最近的2021.07.14的版本，且注释更全 github: https://github.com/Laughing-q/yolov5_annotations Backbone