cv

看了下yolov4的作者给的操作说明，链接如下：https://github.com/AlexeyAB/darknet#how-to-compile-on-linux-using-make，有兴趣的可以

转载请备注原文出处，谢谢：https://blog.csdn.net/pentiumCM/article/details/118887321 CV — 目标检测：letterbox 一、相关概念 l

Feature Selective Anchor-Free Module for Single-Shot Object Detection 论文解读 前言 之前搭建的 HEXO 博客，年久失修，且经常不被百度爬虫

Paper Code Abstract DETR的提出免去了目标检测任务中许多人工组件的参与，同时又能保证较好的检测精度。但是DETR也存在着收敛过慢、特征空间分辨率有限的问题，Transformer自身的局限性

RCNN 系列发展历程 开山之作: RCNN RCNN 将 CNN 应用于特征提取，一举将 PASCAL VOC 数据集的检测率从 35.1% 提升到了 53.7%。RCNN 仍然延续传统物体检测的思想，将物体检

R-CNN 两大贡献：1.引入CNN 2.引入fine-tune的方法 Two-stage方法：1.Region Proposal 2.对区域内物体进行分类 trick：1.根据Iou对RP进行过滤

1. 简介 目标检测分为Two stage和One stage,只使用一个网络同时产生候选区域并预测出物体的类别和位置，所以它们通常被叫做单阶段检测算法（One stage）。本篇文章只讲One st

Single-Shot Refinement Neural Network for Object Detection 目标检测的单次优化神经网络 Shifeng Zhang, Longyin Wen, Xiao Bian, Zhen Lei

COCO数据集根据json文件生成mask二值图 数据格式（COCO JSON文件） # 处理json数据并保存二值mask def json_to_mask_data(annFile, mask_to_save)

计算机视觉面试宝典–目标检测篇（二） 综合问题 1.简要阐述一下One-Stage、Two-Stage模型 One-Stage检测算法，没有selective search产生region pro