PaddleDetection是百度Paddle家族的一个目标检测开发套件。个人感觉Paddle的优点是模型比较丰富，支持的部署方式较多（python、C++、移动端等），缺点是坑比较多，百度的老毛病了，什么都弄一点，但都不精通。本文研究了下PaddleDetection的使用流程，从自己的数据集（coco类型），记录下整个训练、推理、部署的过程。...

论文：feature pyramid networks for object detection论文链接：https://arxiv.org/abs/1612.03144这篇论文是CVPR2017年的文章，采用特征金字塔做目标检测。作者提出的多尺度的object detection算法：FPN（feature pyramid networks）。FPN网络将特征金字塔模型引入至Faster R-C

GAN(Generative Adversarial Networks)生成对抗网络基于这种思想后续出现了非常多的GAN架构的生成模型，其中比较典型的是DCGAN 和WGAN, 这篇文章通过讲解GAN思想，实现一下DCGAN代码生成人脸，最后再分析一下WGAN。

Ubuntu20.04系统U盘方式安装，Nvidia驱动，cuda, cudunn等基本配置

YOLO(You Only Look Once)声名显赫，是检测领域一个基于回归思想的算法，已经成为机器人、无人驾驶汽车和视频监控应用的核心实时物体检测系统。目前已经从yolov1更新到了yolov8，本文参考网上的资料，对yolo各个版本进行一次全新的梳理总结。

因为工作关系，接触到了mmdetection。它是商汤科技和香港中文大学开源的一款基于pytorch底层的目标检测工具箱，隶属于mmlab项目。mmdetection 2.7文件结构。其中configs文件夹下为网络模型文件，checkpoints文件夹下为模型权重文件(.pth)1. 模型训练在模型训练之前，要先配置好参数。配置参数是通过修改文件的方式完成的，主要包括三部分：配置数据，配置模型和

一. ResNet算法介绍残差神经网络(ResNet)是由微软研究院的何恺明等人提出的。ResNet 在2015 年的ILSVRC中取得了冠军。通过实验，ResNet随着网络层不断的加深，模型的准确率先是不断的提高，达到最大值（准确率饱和），然后随着网络深度的继续增加，模型准确率毫无征兆的出现大幅度的降低。这个现象与“越深的网络准确率越高”的信念显然是矛盾的、冲突的。ResNet团队把这一现象称为

ncnn是腾讯公司开源的一个专为手机端极致优化的高性能神经网络前向计算框架。ncnn从设计之初，就深刻考虑手机端的部署和使用，无需第三方依赖，跨平台，手机端cpu的速度快于目前所有已知的开源框架。基于ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能APP，将AI带到你的指尖。