前言谈到计算机视觉时，我们都会联想到图像分类，图像分类是计算机视觉最基本的任务之一，在图像分类的基础上，我们还有更复杂的任务，比如目标检测，物体定位，图像分割等，本文主要讲目标检测，目标检测是分类与定位的结合，在给定一张图片，目标检测的任务是要识别出图片的目标以及它的位置，由于图片中的目标个数不确定，且要精确定位目标，目标检测比分类任务更复杂。...

这个时候有src目录了，但是报没有插件的错误，这个时候就可以，将idea的maven设置成本地的maven配置，点击ok,错误就解决了，如下图。至此按模板创建一个web项目的maven项目，基本解决，接下来补充相关的java,test等文件夹，可以参考以下本主题的其他链接，重启一下，然后刷新一下maven，这样的错误就解决了，但是依然没有src文件目录。最终按模板创建一个web项目的maven项目

#如果是绝对路径使用一个反斜杠就会报错img_path='D:\python_work\objectDetection\YOLOv4\pytorch-YOLOv4\myData\JPEGImages\000247.jpg'img = cv2.imread(img_path)print(img)cv2.imshow('img',img)cv2.waitKey(0)img1= cv2.cvtColor

一.model.parameters()与model.state_dict()model.parameters()与model.state_dict()都是Pytorch中用于查看网络参数的方法一般来说，前者多见于优化器的初始化，例如：后者多见于模型的保存，如：当我们对网络调参或者查看网络的参数是否具有可复现性时，可能会查看网络的参数pretrained_dict = torch.load(yol

tf.expand_dimstf.expand_dims(input, axis=None, name=None, dim=None)给定的张量input，该操作插入尺寸索引处的1维axis的input的形状。维度索引axis从零开始；如果您为其指定负数，axis则从末开始算起。如果要将批次尺寸添加到单个元素，此操作很有用。例如，如果您有一个shape的图像[height, width, chan

tf.boolean_mask 的作用是 通过布尔值 过滤元素def boolean_mask(tensor, mask, name="boolean_mask", axis=None):"""Apply boolean mask to tensor."""参数解释：tensor：被过滤的元素列表或数组mask：一堆 bool 值，它的维度不一定等于 tensorreturn： mask 为 tr

TamperMonkey，这是一款非常流行的免费浏览器插件，网络上俗称：油猴插件。作为一款浏览器插件，油猴的作用只是管理安装在浏览器上的所有脚本对象。

一.感知机原理1.1感知机定义是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1或-1.1.2 感知机原理在对应输入空间（特征空间）中，将实例线性划分为正负两类的分离超平面，属于判别模型；若不是线性划分的数据集，则无法获得超平面。数据集的线性可分在给定数据集其中能够将数据集的正实例和负实例完全正确地划分到超平面的两侧，即对所有 yi=1的xi,有w*xi+b>0;对所有

前言谈到计算机视觉时，我们都会联想到图像分类，图像分类是计算机视觉最基本的任务之一，在图像分类的基础上，我们还有更复杂的任务，比如目标检测，物体定位，图像分割等，本文主要讲目标检测，目标检测是分类与定位的结合，在给定一张图片，目标检测的任务是要识别出图片的目标以及它的位置，由于图片中的目标个数不确定，且要精确定位目标，目标检测比分类任务更复杂。...

most_common()函数是collections模块中counter类的函数，当我们使用它时，首先要导入collections模块counter（）函数返回的是一个类似于字典的counter计数器，如下：Counter类中的most_common(n)函数:传进去一个可选参数n(代表获取数量最多的前n个元素，如果不传参数，代表返回所有结果)return返回一个列表（里面的元素是一个元组，元组