在过去的几年里，YOLO 已成为实时目标检测领域的主要范式，因为它们在计算成本和检测性能之间有效平衡。研究人员探索了 YOLO 的架构设计、优化目标、数据增强策略等，取得了显着进展。然而，对非最大抑制(NMS)进行后处理的依赖阻碍了YOLO的端到端部署，并对推理延迟产生不利影响。此外，YOLOs中各个组件的设计缺乏全面和彻底的检测，导致计算冗余明显，限制了模型的能力。它使次优效率，以及性能改进的巨

今天的深度学习方法侧重于如何设计最合适的目标函数，以便模型的预测结果可以最接近基本事实。同时，必须设计能够促进获取足够信息进行预测的适当架构。现有方法忽略了输入数据经过逐层特征提取和空间变换时的事实，会丢失大量信息。当数据通过深度网络传输时，本文将深入研究数据丢失的重要问题，即信息瓶颈和可逆函数。我们提出了可编程梯度信息 (PGI) 的概念来应对深度网络实现多个目标所需的各种变化。PGI可以为目标

1.引言opencv一些经典的算法申请了版权，所以版本上选择3.4.3以下的版本。最新因为在学习海思平台的东西，所以参考它的opencv版本为3.4.0，刚好避开了经典算法的版权。2.下载opencv3.4.0源码我的猜测是因为版权原因，所以一般的途径下载速度超级超级慢，并且会一直下载失败。比如我在windows上谷歌浏览器中的官网和github官网下载都失败了，这里为了看到的童鞋不要踩坑，讲一个

类比windows下GetPrivateProfileString、GetPrivateProfileInt获取配置的API使用vs2019创建linux空项目及测试的配置文件以及测试结果如下图ini.h#ifndef __INI_H__#define __INI_H__#include <stdio.h>#include <string.h>#include <st