YOLO系列总结反思回顾了一下之前看过的YOLO系列，本来想自己从头写一个博客，后来发现大佬都写的极其好了，就变成了阅读笔记。深度学习论文学习流程：首先搜索一下相关的论文讲解在对原论文进行学习代码核心部分：网络搭建数据处理lossYOLO系列理论：各个系列的YOLO资源如下：01 YOLOV1YOLO系列-霹雳吧啦Wz很好的初步理解，并且可以结合原文有一下补充讲解。YOLOV1-木盏输入图片划分为

IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。IOUIOU原理图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下：计算真实框与预测框的交集计算真实框与预测框的并集计算交并比IOU Loss明白IOU原理后，进一步

个人笔记链接：Pytorch简介以下是个人笔记的内容，推荐使用链接阅读1Pytorch简介1.1 Pytorch的大概Pytorch不是简单的封装 Lua Torch 提供Python接口，而是对当下tensor之上的模块进行重构，并增加了最先进的自动求导系统，成为当下最流行的动态图框架。PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Faceb

IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。IOUIOU原理图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下：计算真实框与预测框的交集计算真实框与预测框的并集计算交并比IOU Loss明白IOU原理后，进一步

YOLO系列总结反思回顾了一下之前看过的YOLO系列，本来想自己从头写一个博客，后来发现大佬都写的极其好了，就变成了阅读笔记。深度学习论文学习流程：首先搜索一下相关的论文讲解在对原论文进行学习代码核心部分：网络搭建数据处理lossYOLO系列理论：各个系列的YOLO资源如下：01 YOLOV1YOLO系列-霹雳吧啦Wz很好的初步理解，并且可以结合原文有一下补充讲解。YOLOV1-木盏输入图片划分为

IOU、GIOU、DIOU、CIOU解析IOUIOU原理IOU LossIOU存在问题GIOUGIOU原理DIOUCIOU首先明确IOU系列的提出原因，即衡量预测框与真实框的关系。IOUIOU原理图中，红色框表示为预测框，绿色表示为真实框（标注框）。IOU就是计算真实框与红色框的交并比，具体流程如下：计算真实框与预测框的交集计算真实框与预测框的并集计算交并比IOU Loss明白IOU原理后，进一步

先验与后验其实在论文中看到的prior、posterior 和 likelihood 是贝叶斯统计模型的几个核心要素。prior 和 posterior 都是关于参数的分布。1.prior 是我们所假设的参数本来的分布。2.posterior 则是在观察到训练数据之后得到的条件分布。3.likelihood 则完全不一样，一方面它是关于数据 的，另一方面它没有被归一化，所以也并不是一个合法的概率分

本文笔记链接（建议使用链接观看）：Yolov3总结链接以下为笔记基本内容样例03.YOLOv3????论文题目YOLOv3: An Incremental Improvement????‍????作者Joseph Redmon:YOLO系列的主要作者❓四个问题❔要解决什么问题？在YOLOv2的基础上更强更好，同时对YOLOv2中的一些模块进行改进，并且尝试将其他作者提供的一些新的想法融入YOLOv

神经网络的训练与推理阶段训练阶段推理阶段训练阶段训练阶段：是神经网络在输入数据，通过数据和对应标签不断调整权重的过程，即生成模型的过程。推理阶段推理阶段：当网络训练完毕后（权重不更新），输入数据后神经网络对其进行处理（比如输入猫的图片，神经网络将图片分类为猫），即模型开始工作进行预测。...

Deep Long-Tailed Learning: A Survey引言长尾学习介绍三级目录Deep Long-Tailed Learning: A Survey-论文地址引言长尾数据是指数据失衡，数据集中类别数量存在分布不均衡问题，典型的长尾数据集数据分布如下图所示：长尾学习在数据分布不平衡的情况下，能够训练良好的深度学习模型。在长尾数据集中，通用的视觉识别模型容易偏向Head部数据，而忽视t