陈龙ＣＬ的博客

一.YOLO安装1.clone Darknet命令：git clone https://github.com/pjreddie/darknet.git2.编译：cd darknetmake3.使用 usage: ./darknet 4.为了更快可以编译CUDA，方法：在Makefile文件中设置GPU=1，然后重新makenvidia-smi命令查看显卡信息。 

目标检测领域得益于卷积神经网络CNN和region proposal算法的发展，在各种大规模竞赛数据集（ImageNet，Pascal VOC,COCO等）上准确率突飞猛增。目标检测中非常重要的指标：识别精度，识别速度，定位精度目标检测中衡量识别精度的指标是mAP（mean average precision）。多个类别物体检测中，每一个类别都可以根据recall和precision绘制一

最近看到一篇文章统计了2010-2016年被引用次数最多的深度学习论文，研究生期间的方向是物体检测，所以截取了领域相关的部分论文，其他领域的请参考文末的参考文章。个人认为物体检测又可以分为很多细节研究，任何一项细节只要找到痛点，提出可用的解决办法，就是一份很好的工作，包括：卷积神经网模型的理解（理论/网络结构）；结构参数的行为分析（优化/正则化）；在不同数据分布的表现。一、理论/未来

软件要求 1. Caffe 在external/caffe文件夹里 。如果你是Windows系统，需要下载一个编译好的文件， 执行fetch_data/fetch_caffe_mex_windows_vs2013_cuda75.m 。如果你是Linux系统需要重新编译caffe 2．MATLAB 2014a或者更新的版本 硬件需求 GPU: Titan, Titan X, K40,

github地址 https://github.com/abhi2610/ohem 结果可以重现的 论文结果 重现结果 Fast R-CNN (FRCN) VOC 07 trainval VOC 07 test 66.9 67.6 FRCN