a707931675的博客

经典网络结构总结--MobileNet系列MobileNetmobilenet是Google提出的。优点：体积小，计算量小，适用于移动设备的卷积神经网络。可以实现分类/目标检测/语义分割；小型化：卷积核分解，使用1xN和Nx1的卷积核替换NxN的卷积核。采用bottleneck结构 ，以SqueezeNet为代表以低精度浮点数保存，例如Deep Compression冗余卷积核剪枝及哈弗曼编码。mobilenet v1:参考了传统的VGGNet等链式架构，都以层叠卷.

转自：https://blog.youkuaiyun.com/M_Z_G_Y/article/details/81281398目标检测入门：候选区域选择（region proposals）滑动窗口 滑动窗口检测器是一种暴力检测方法，从左到右，从上到下滑动窗口，然后利用分类识别目标。这里使用不同大小的窗口，因为一张图片可能展示从不同距离观测检测出不同的目标类型 滑动窗口目标检测算法也有很明显的缺点，就是计算成本，因为你在图片中剪切出太多小方块，卷积网络要一个个地处理。如果你选用的步...

CV基础（bin）关于颜色直方图中bins的理解每个直方图，通常都可以用一个列向量来表示，列向量里面的每一个值就是一个bin，比如说列向量有个50个元素，那么就代表有50个bin。对于颜色直方图来说，横坐标是颜色空间（对应灰度直方图的灰度值），纵坐标是该颜色的像素点的数量。对于常用的RGB坐标一共有256x256x256=16777216种，这样横坐标过多，而且很多横坐标对应的像素点数量很少，整个直方图会很稀疏。因此将颜色空间划分为若干个小的颜色区间，对于每个颜色通道（R,G,B），每32个划