weixin_41652829的博客

1.对FCOS理解将backbone和FPN输出得到的feature map中的每个像素点作为训练样本，如果该像素点的位置（根据stride映射回输入图像）在某个GT内部，则视为正样本，该样本的类别标签对应为GT的类别标签。2.FCOS中regression分支target(label)生成过程说明：batch size=4 def compute_targets_for_locations(self, locations, targets, object_sizes_of_interest):

1.NMS代码复现笔记from __future__ import absolute_importimport numpy as npimport torchdets = np.array([ [204, 102, 358, 250, 0.5], [257, 118, 380, 250, 0.7], [280, 135, 400, 250, 0.6], [255, 118

Domain adaptive faster-RCNN github 复现笔记1.项目代码链接：链接: da-faster-rcnn-Pytorch.2.环境配置（很重要）2.1.概述：DA-fasterrcnn的复现的主要工作在环境的配置，目前大部分的和Domain adaptive detection相关的paper和github大部分都是基于pytorch0.4.0（主要）和pytorch0.4.1两个老版本进行复现的，因此，对于显卡，CUDA，cudnn的对应配置不能使用太高或者太新的版本

Object Detection（一）RCNN seriesRCNN algorithm process：<1>Generation of proposal regions设定内容居中、居左、居右SmartyPantsfast-RCNNfaster-RCNN如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图