上善若水，为而不争

一、废话    今天花了一个下午时间，把qqwweee/keras-yolo3的模型转到tensorflow的pb，然后通过tensorflow 1.x提供的接口，把模型输出后的后处理加到计算图中，再保存为一个新的pb模型，这样，新的pb模型输出的就是转换后的坐标(x,y,w,h)和置信度与概率.    这样做主要是我想用tensorflow的C++接口来调用pb模型，所以想把这部分后处理写到计算图里，加载运行后得到比较直接

一、简单介绍目标检测(Objection Detection)算是计算机视觉任务中比较常见的一个任务，该任务主要是对图像中特定的目标进行定位，通常是由一个矩形框来框出目标。在深度学习CNN之前，传统的做法一般是借助图像处理技术提取图像中目标的特征(如最常见的SIFT、LBP、HOG等)，然后采用机器学习的方法(如SVM等)来训练识别，在实现上通常是采用不同尺度的矩形窗口在图像上滑动提取特征...

一、简单介绍 YOLO9000(也叫YOLO v2)，主要是在YOLO v1的基础上做了改进，而且效果还是比较显著的，在原论文中，作者提到的改进大致包括两个工作： 1、检测性能上的改进，提出了YOLO v2; 2、提出了检测与分类相结合的训练方法，使得YOLO v2能够检测超过9000类目标。二、性能改进 YOLO...

相比较于前两篇论文，个人感觉YOLO3作者有点来搞笑的！！！虽然加了一些新的点子进来，但是，论文的开头是这样的：简单理解就是作者花了很多时间玩Twitter去了，所以没有做啥研究！！！！ 然后：你可以引用自己的论文吗？猜猜谁会这么做，就是这家伙，然后我发现链接竟然是他自己这篇论文：还有调侃下谷歌、脸书等大公司和目标检测等技术：很多从事这项研究的在...

最近看了一篇目标检测的综述，之前对目标检测的认识不是很多，所以简单地记录一下笔记。这篇论文主要讲了目前的目标检测算法的一些设置、检测范式、基准等，包括了传统算法和深度学习算法，主要侧重深度学习算法部分。一、传统方法传统的目标检测算法主要是三个步骤：1、候选框生成(proposal generation)：候选框生成，主要是筛选并提取出可能包含目标的区域，通常为矩形框；2、特征向量提...