follow迪导，对几个SPPF、SPP、simSPPF模块进行了速度测试

目录1. Win10的搜索要点是什么？2. 怎么关闭搜索要点？3. 参考链接1. Win10的搜索要点是什么？Win10 系统新增了 Win11 的搜索要点。搜索亮点将展示每天的特别重要且有趣的时刻，例如假期、纪念日以及全球和您所在地区的其他教育时刻。要一目了然地查看更多详细信息，请悬停或单击搜索框中的插图。2. 怎么关闭搜索要点？操作步骤：右键单击 Windows 10 任务栏选择搜索。切换“显

【脚本】目标检测标签格式转换：txt2xml（参考的链接还可实现xml，json，txt相互转换）

目录1. 细粒度图像任务是什么2. 数据集1. 细粒度图像任务是什么【参考链接】：细粒度图像分类算法全解，附数据集总结！在传统图像分类中，无论重要判别区域占整个图像的比重有多大，都会对整张图片一视同仁的提取特征，但在一些判别区域占图像比重较小的图片中，进行同样的处理时，大量不重要的信息被提取，增加了图像分类的难度，降低分类的准确度。因此引入“细粒度图像分类”，关注图像中细小的差别，实现更精确的图像

数据读取-图像cv2.IMREAD_COLOR：彩色图像cv2.IMREAD_GRAYSCALE：灰度图像opencv对于读进来的图片的通道排列是BGR，而不是主流的RGB！谨记！#opencv读入的矩阵是BGR，如果想转为RGB，可以这么转img = cv2.imread('1.jpg')img = cv2.cvtColor(img4,cv2.COLOR_BGR2RGB)import cv2im

【脚本-数据增强-xml】numpy添加噪声、PIL提高亮度：1）锐化1.5+随机噪声 2）对比度增强1.5 + 高斯噪声 3）滤镜边界增强+调亮度1.2

脚本

xml操作

数据集操作

目录0. 从书中截取的一些重要内容1. 一些知识点2. 实现线性回归2.1 numpy实现线性回归2.2 利用PyTorch实现线性回归3. 实现手写数字识别MNIST3.1 准备数据3.2可视化数据源3.3构建模型3.4训练模型4. 优化器比较5. 数据加载、预处理流程6. tensorboardX可视化工具7. GPU加速8. 卷积神经网络CNN9. 清除图像中的雾霾10. PyTorch提供