深度学习

文章解读：
1 创新点
cascade R-CNN算法是CVPR2018的文章，通过级联几个检测网络达到不断优化预测结果的目的，与普通的级联不同的是，cascade RCNN的几个检测

计算机视觉研究院专栏作者：Edison_GOne-shot目标检测旨在通过几个标注的样本来检测新的目标。之前的工作已经证明了元学习是一个很有前途的解决方案，它们中的大多数基本上是通过解决在区域上的元学习检测来进行分类

禁止转载！在做目标检测任务的时候，通常会制定规则来评估性能，就如下图所示，后面会慢慢道来其中的原理。 混淆矩阵中 TP、TN、FP、FN
在目标检测中，通常以IoU阈值作为

与通用目标检测的区别
相较与整张图片瑕疵区域的占比一般非常小，Faster R-CNN等检测模型对小物体检测不够好
深度学习从低层到高层不断去提炼高层语义信息，层数的增大细节的信息丢失得越多，对于缺

#1 makeTxt.py（将训练数据自动划分为训练集、验证集和测试集）... 2
#2 voc_label.py（将VOC格式数据集转换成yolo数据集）... 3
#3 tube.

开始
内容参考：Datawhale Task02: 练死劲儿-网络设计
一· 先验框
关于先验框，有的paper(如Faster RCNN)中称之为anchor(锚点)，有的paper(如SSD)

本专栏用于记录关于深度学习的笔记，不光方便自己复习与查阅，同时也希望能给您解决一些关于深度学习的相关问题，并提供一些微不足道的人工神经网络模型设计思路。专栏地址：「深度学习一遍过」必修篇 

前言
本篇博客为博主毕设的一部分，此部分主要解决海上船舶目标实时分类检测。在Tensorflow的环境下，采用YOLOv3（keras）算法，最终mAP可达到95.66%&

解决问题：当我们运行不同的代码时，可能会用到不同版本的Pytorch/Tensorflow，不同版本的Pytorch/Tensorflow在使用GPU时，对应不同的CUDA版本&#xff0

知识蒸馏在目标检测中的应用 Knowledge Distillation
日常训练中，我们往往使用复杂的模型，大量的计算资源，以便于能够从非常大，高度冗余的数据中提取信息。假如我们已经训