在训练YOLO v2的过程中，系统会显示出一些评价训练效果的指标，包括Recall，IoU等等。为了怕以后忘了，现在把自己的理解记录一下。这一文章首先假设一个测试集，然后围绕这一测试集来介绍这几种指标的计算方式。

1，说明tk1这板子被别人蹂躏出了一些奇怪的问题，最后决定通过刷机来一次性解决所有疑难杂症。但是上网查到的一些资料，有的版本很老，有的写的不够详细，所以在这总结一下我刷机的步骤。总体步骤都是参照一下几个博客进行的： http://blog.csdn.net/bxd1314/article/details/47748785  http://www.cnblogs.com/fr

1，说明tk1这板子被别人蹂躏出了一些奇怪的问题，最后决定通过刷机来一次性解决所有疑难杂症。但是上网查到的一些资料，有的版本很老，有的写的不够详细，所以在这总结一下我刷机的步骤。总体步骤都是参照一下几个博客进行的： http://blog.csdn.net/bxd1314/article/details/47748785  http://www.cnblogs.com/fr

1，说明上一篇文章已经说明了给tk1这个板子刷新系统的具体步骤：http://blog.csdn.net/hysteric314/article/details/49805573安完新系统就接着给tk1这个板子安装CUDA与opencv，这篇文章就总结一下我安装这两个包时候的具体步骤.。主要过程参见这几个资源：http://m.blog.csdn.net/blo

这一代码中实现标定过程实现的很简单，很容易上手，测距功能也可以使用，而且最终测距的效果也很准确，比之前的代码好很多。这个文章写了修改后代码的具体实现和运行过程中出现的一些问题。

怕以后忘了，现在总结一下前段时间一直在弄的东西。总结了一下我对于双目景深和测距原理的理解，贴出了基于opencv 来实现双目景深和测距的代码。

这周学习了一篇文章，文章的名字叫做FlowNet: Learning Optical Flow with Convolutional Networks一般的卷积神经网络都被用来进行分类，最近的一些神经网络结构可以用于对每个像素点进行预测，这篇文章主要介绍的就是他们把卷积神经网络改成两个网络结构，并对他们进行点对点的训练，使网络能从一对图片中预测光流场，每秒达到5到10帧率，并且准确率也达到了业界标