神经网络

图像分割（Image Segmentation）是计算机视觉研究中的一个经典难题，也是图像理解领域关注的一个热点，在场景理解、医学图像分析、机器人感知、视频监控、增强现实、图像压缩等领域有

2021.1.7下午记 大家新年好~ 距离上次写这个课题的博客已经是去年12.30的时候了，是想趁热打铁赶快写的，无奈1.5/1.6有两门考试，便只好赶去复习暂时搁置了。现在终于考完试，而

yolov5自定义数据集训练
源码：官方源码 教程所用环境：代码版本：V3.0 Pytorch：1.6.0 Cuda：10.1 python：3.6
准备数

YOLOv3学习之锚框和候选区域
单阶段目标检测模型YOLOv3
R-CNN系列算法需要先产生候选区域，再对候选区域做分类和位置坐标的预测，这类算法被称为两阶段目标检测算法。近几年，很多研究人员相继

看目标检测网络方面的论文时，出现了一组对比词汇： bottom-up和top-down，查了一些资料，结合个人理解，得到的看法是： top-down: 顾名思义

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

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

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

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