haohaomua的博客

Bag of Specials (BoS) for detector YOLOv4检测器的BoS特性包括： Mish activation modified SPP-block modified SAM-block modified PAN path-aggregation block DIoU-NMS DIoU-NMS NMS过滤掉预测相同对象的其他边界框，并保留具有最高可信度的边界框。 DIoU(前面讨论过的)被用作非最大抑制(NMS)的一个因素。该方法在抑制冗余盒的同时，采用Io.

Bag of Freebies (BoF) for detector YOLOv4检测器的BoF特性包括: CIoU-loss CmBN DropBlock regularization Mosaic data augmentation Self-Adversarial Training, Eliminate grid sensitivity, Using multiple anchors for a single ground truth Cosine annealing schedul

Bag of Specials (BoS) for backbone Mish Activation Cross-stage partial connections (CSP), and Multi-input weighted residual connections (MiWRC) Mish activation 我们假设激活函数是（如下图） 对于一元或二元运算符有不同的候选函数(如余弦函数)。我们可以根据不同的任务(如分类)和数据集对这些函数进行随机猜测，并评估相应的模型性能。最后，我们

Bag of Freebies (BoF) for backbone The BoF features for YOLOv4 backbone include: CutMix and Mosaic data augmentation, DropBlock regularization, and Class label smoothing CutMix data augmentation 剪切数据增强去除图像的一个区域(见下图)。这迫使模型在进行分类时不能对特定的特征过于自信。然而，图像的一部分充满

Path Aggression Network(PAN) 在早期DL中，模型设计相对简单。每一层从前一层获取输入。早期层提取局部纹理和模式信息，建立后期层所需的语义信息。然而，当我们向右移动时，微调预测所需的局部信息可能会丢失。 在之后的DL开发中，层之间的互连变得越来越复杂。在DenseNet中，它走到了极端。每一层都与之前的所有层相连。 在FPN中，自底向上和自顶向下的流将相邻层的信息组合在一起。 层之间的信息流成为模型设计中的另一个关键决策。 下图是用于对象检测的路径聚合网.

即使目标检测在过去几年开始成熟，竞争依然很激烈。如下图所示，YOLOv4声称拥有最先进的精度，同时保持高处理速度。在TeslaV100上，Yolov4在MS CoCo实现了43.5%的准确率（65.7% AP50）,并且在该精度下达到了约65FPS的速度。在目标检测中，检测精度不再是“圣杯”，我们希望模型能够平稳的在边缘设备上运行。如何用低成本的硬件对输入视频进行实时处理也变得非常重要。 ...

1.显示CUDA_ERROR_INVAL_ID_CONTEXT,或者被Killed. 原因：显存不足 解决方法：释放显存

最初应用 1x1 卷积核的神经网络是 Network In Network，然后 GoogLeNet 和 VGG 也不约而同的更正了。 他们在论文中解释，大概有下面 2 个意义。 1.增加网络的深度 这个就比较好理解了，1x1 的卷积核虽小，但也是卷积核，加 1 层卷积，网络深度自然会增加。其实问题往下挖掘，应该是增加网络深度有什么好处？为什么非要用 1x1 来增加深度呢？其它的不可以吗？ 其...

候选区域（Region Proposal）算法 滑窗法的问题可以使用候选区域产生算法解决。这些算法输入整张图片，然后输出可能有物体的候选区域位置，这些候选区域可以有噪声或者重叠，或者和物体的重合度不是很好，这都不要紧，只要这些区域里有一个和实际物体的位置足够接近就行。因为不好的候选区域会被物体识别算法过滤掉。 候选区域算法用分割不同区域的办法来识别潜在的物体。在分割的时候，我们要合并那些...

什么是感知机 感知机由Rosenblatt在1957年提出,是一种二类线性分类模型。输入一个实数值的n维向量（特征向量），经过线性组合，如果结果大于某个数，则输出1，否则输出-1.具体地： 其中的w0,w1,....wn权重，W向量称为权向量（本文中粗体代表向量）。权重决定每个输入分类对最终输出的贡献率。为了更简洁地表示，我们加入一个x0=1，则可以将上面的式子写成符号函数（输入大于零的时...

https://www.jianshu.com/p/ffa51250ba2e

https://blog.youkuaiyun.com/ybdesire/article/details/85217688

https://www.jiqizhixin.com/articles/keras-or-pytorch

yolo1: Unified, Real-Time Object Detection 参考： http://blog.youkuaiyun.com/u011534057/article/details/51244354 https://zhuanlan.zhihu.com/p/24916786 论文下载：http://arxiv.org/abs/1506.02640 da...

https://blog.youkuaiyun.com/qq_35872456/article/details/84216129

这篇文章是对深度学习数据增强技术的全面回顾，具体到图像领域。这是《在有限的数据下如何使用深度学习》的第2部分。点击这里查看第1部分《NanoNets :数据有限时如何应用深度学习？》。 http://baijiahao.baidu.com/s?id=1599775088482026500&wfr=spider&for=pc ...