学习笔记

APD,citypersons的SOTA，主要解决重叠目标的问题 普通NMS流程： 对于最后输出的所有框 (1)找到预测置信度最大的框M (2)计算其他同类框和M的IOU (3)将IOU大于阈值N_t的框的置信度置0

论文2： Ultra Fast Structure-aware Deep Lane Detection官方代码地址：https://github.com/cfzd/Ultra-Fast-Lane-Detection该

R（召回率recall）正确预测的正样本数/实际拥有的正样本数 P（准确率precision）正确预测的正样本数/总预测样本数 R是查全率，P是查准率，是两个

Yolov1：2015/6/8 无anchor； 分成77 49个区域，每个区域预测2个bbox，输出7730( 25 20 )特征层。 使用IOU做confidence&#xff1b

简单来说就是深度神经网络处理问题不需要像传统模型那样，如同生产线般一步步去处理输入数据直至输出最后的结果（其中每一步处理过程都是经过人为考量设定好的 (“hand-crafted” function)）

论文阅读 感谢p导 论文链接：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications 主要亮点有两个&#xff1a

深度学习之目标检测（五）RetinaNet网络结构详解 本章学习 RetinaNet 相关知识，学习视频源于 Bilibili，部分参考叙述源自 知乎 。 1. RetinaNet R

写在前面：再跑yolov5代码时报错:assertionerror:no labels found in///JPEGImages.cache can not train without labels 经过查阅后得知是因为yolo

深度学习之目标检测（十一）-- DETR详解 继 Transformer 应用于图像分类后，本章学习 Transformer 应用于图像目标检测的开山之作 – DEtection TRansformer