在阅读文献中，通常会遇到一个名词，“XX用来解决多尺度问题”。多尺度问题是什么意思？目标检测中，我们希望对于输入图片，不管图片中某个目标或大或小，我们都需要将其识别。对于小物体，我们可以将其理解为两种方式：一种是绝对小物体，即它本身占的像素就比较小。一种是相对小物体，即相对于整个输入图片，所占比例偏小。正如在深度学习中，我们会用卷积层，池化层等来提取特征，而这些网络层对于小尺度物体的检测是不友好。

在阅读文献中，通常会遇到一个名词，“XX用来解决多尺度问题”。多尺度问题是什么意思？目标检测中，我们希望对于输入图片，不管图片中某个目标或大或小，我们都需要将其识别。对于小物体，我们可以将其理解为两种方式：一种是绝对小物体，即它本身占的像素就比较小。一种是相对小物体，即相对于整个输入图片，所占比例偏小。正如在深度学习中，我们会用卷积层，池化层等来提取特征，而这些网络层对于小尺度物体的检测是不友好。

语义分割在预处理数据的时候，图片和标签都是image格式都是（height，width，channel）。自己的数据集存储在本地，可以利用glob读入每张图片的地址，利用tensorflow读入每个地址的图片，然后对其进行解码。获取地址，并将其转换为dataset对象，方便处理，我们可以看train的shape和type，所以之后需要对其进行预处理预处理，将读入的图片进行解码，处理，可以输入到搭建

一个灰度图片被运算，计算机将其看成是 一个二维数组。彩色图片（RGB）则可以看成是三个二维数组。RGB image，可以看成如下三个维度合在一起。每个维度可以看成是一个二维数组整个彩色图片既可以看成是三个二维数组合在一起。计算时被计算机理解对于多维数组如何表示，可以参考...

各段的介绍一般情况下，一个可执行C程序在内存中主要包含5个区域，分别是代码段（text），数据段（data），BSS段，堆段（heap）和栈段（stack）。其中前三个段（text，data，bss）是程序编译完成就存在的，此时程序并未载入内存进行执行。后两个段（heap，stack）是程序被加载到内存中时，才存在的。具体的样子可以如下图所示：未初始化的全局变量和静态变量，存储在bss区， 未初始

就目前所利用的知识中，有两处用到了自定义排序算法。 第一个是sort函数；第二个是部分排序容器的建立，例如map，set，priority_queue。在此记录一些通用的方法，至于其他更多原理，等有时间在记录。在C++　STL中，对于 vector，有 sort 函数，可以对 vector 中的元素进行排序。注意，下面的例子， sort(vec.begin(), vec.end(), cmp())

函数原型：Mat cv::imread(const String& filename, int flags = IMREAD_COLOR)imread从指定的文件加载图像并返回它。如果无法读取图像（由于缺少文件，权限不正确，格式不受支持或格式无效），该函数将返回一个空矩阵（Mat:: data== NULL）参数： filename 要加载的文件名，类型为String；注意此处是Strin