神经网络

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

论文地址：链接 代码地址：链接 一、相关介绍
NMS在单个模型的的边界框过滤中表现还是不错的，但是对于多个模型的，NMS只是进行边界框的选择，去除部分预测，无

当保存完模型后，我们可以通过PaddleSeg提供的脚本对模型进行评估
python val.py \--config configs/quick_start/bisenet_optic_disc_512x512_1k.yml

作   者：XJTU_Ironboy 时   间：2018年11月 联系方式：tzj19970116163.com
本文结构：
摘要介绍 2.1 大致框架 2.2 测试评价指标 2.3

一、原理解析
论文地址： https://arxiv.org/abs/1506.02640 (YOLO v1) https://arxiv.org/abs/1612.08242 (YOLO v2) https://arxiv.o