深度学习

个人体验yolov5最大的感觉就是惬意舒适。 比起object_detection 一个训练花费我10小时，一个只有1.1个小时（都是迁移训练） 一个检测速度等待了十几秒，一个只需0.01

目标检测结构理解 通常来说，对于目标检测而言，我们经常听到别人讲，”更换一下这个网络的backbone试试？“、”换个检测头吧“等相关这方面的术语。本篇讲围绕目标检测结构中的几个概念进行介

小目标检测总结
小目标的定义：图像中极少的小目标（32像素×32像素一下）
注：一般来说下采样率为2，一般的特征提取网络通常进行五次下采样。而五次下采样的倍率为2的五次方

基于无人机视觉的目标检测具有巨大的商业潜力和广泛的应用领域。与地面检测相比，无人机检测在空中无遮挡，具有更广的视野，能监测的范围更大，而且无人机使用成本低、环境适应能力强，适

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

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

一：基于两阶段的目标检测算法 基于两阶段方法的目标检测又被称为基于**候选区域（region proposal）**的方法。
从2014年Grishick等人 在AlexNet 的基础上将region