文章目录1. 整体理解2. 实施细节2.1 DD模块2.2 MRL以及检测模块3. 总结##《Diversify and Match: A Domain Adaptive Representation Learning Paradigmfor Object Detection》1. 整体理解主要就是两个模块，一个是Domain Diversification (DD)，另一个是Multi-doma

文章目录一、图片输入层面1.数据增强策略2.多尺度输入3.SNIP4. SNIPER二、 Neck部分（采用金字塔结构改进方案的）1.某种金字塔2.AugFPN3.PANet4.M2Det5.Effective FPN6.MatrixNets三、Head部分的改进方案四、 其他一、图片输入层面1.数据增强策略增加包含小目标样本的采样率，缓解了训练过程中包含小目标图片较少的这种不均衡；将小目标在同一

文章目录1. Function理解2. Function与Module差异与应用场景3. MyRelu Function4. Linear Function摘自https://zhuanlan.zhihu.com/p/277830971. Function理解Pytorch是利用Variable与Function来构建计算图的。回顾下Variable，Variable就像是计算图中的节点，保存计算

Visual Tracker Benchmark v1.0全过程配置方法,测试跟踪序列OTB50/OTB100前言：最近在实习公司做long-time tracking算法.主要目的是在实时的前提下,解决长时跟踪中遇到的out of view,occlusion,fast motion等问题(目前这个算法应对变形能力较差,需要改进!).写完了算法，接下来开始测试算法性能。目前主流的跟踪测试集有两个

截至目前发表此文，Tensorflow windows版本最高支持到1.5，若下载新版本的Tensorflow，其他相关的配置也要相应改变，比如CUDA要下载9.0版本的(注意CUDA9.1还不行，亲测)，而cdDNN要下载7.0.5版本的。python 3.5。本文通过Anaconda安装tensorflow，使用spyder编译器很方便。放一个非常新的安装过程的视频链接，帮助大家：Yout

文章目录1. compute_loss2. build_targets1. compute_loss中英文混合注释如下：def compute_loss(p, targets, model):# predictions, targets, modeldevice = targets.devicelcls, lbox, lobj = torch.zeros(1, device=device), to

从ubuntu下写的程序，想要移植到windows 的vs2010中去跑，结果在程序运行的时候，出现了很多warning C4819。苦恼，原因是换行符。经过我多次尝试，包括网上一些去掉这些警告的方法（只是不让显示这些警告，没有真正解决问题）。我最终发现一种方法真正解决了我的问题！1，双击警告的信息，弹出警告信息所对应的文件2，把对应的文件另存为，会弹出另存为对话框，然后点击保存

文章目录1. named_modules1. named_modules内部采用yield关键字，得到生成器。可以看到函数内部给出的例子，当外部迭代调用net.named_modules()时，会先返回prefix=’’，以及net对象本身。然后下一步会递归的调用named_modules()，继而深度优先的返回每一个module。def named_modules(self, memo: Opt