Hello World

faster RCNN简介faster rcnn属于两阶段目标检测，所谓两阶段目标检测，指的就是对检测框做两次边框回归，首先使用RPN网络，生成anchor，挑选出positive anchors，并对这些anchor进行第一次回归，再经过nms，得到初步的proposal；在RCNN阶段，对于这些proposal，提取对应区域的feature map，并使用RoiAlign或者RoiPooling等方法，将这些proposal变成统一的大小（否则之后没法接FC等层了），经过各种卷积或者fc操作之后，对

CBNet论文题目：CBNet: A Novel Composite Backbone Network Architecture for Object Detection论文地址：https://arxiv.org/abs/1909.03625骨干网络对于检测网络的模型性能至关重要，但是大部分的骨干网络设计完成之后都需要首先在imagenet数据集上训练，得到的模型作为检测网络的预训练模型，该论文中，作者基于已有的骨干网络进行组合，最终实现一种新的骨干网络，同时验证了它在目标检测任务中的性能，在coc

简介HOG特征主要是用于目标检测等图像任务中，它能够提取图像中有意义的部分，进而用于分类等任务。主要流程给定一张图像，我们可以将其转换为特定大小的图像（不转换也可以，这里假设得到的图像尺寸都是一样的，方便后续的说明），假设尺寸为W⋅H⋅3W⋅H⋅3W \cdot H \cdot 3 设置cell(大小为Cx⋅CyCx⋅CyC_x \cdot C_y)，求每个cell的x与y方向...