参考的链接：https://stackoverflow.com/questions/24543372/git-cannot-clone-or-push-failed-to-connect-connection-refusedhttp://blog.csdn.net/u011239443/article/details/73717774原因是127.0.0.1 port 46...

转自[深度学习中常用激活函数总结 - 知乎]0. 前言本文总结了几个在深度学习中比较常用的激活函数：Sigmoid、ReLU、LeakyReLU以及Tanh，从激活函数的表达式、导数推导以及简单的编程实现来说明。1. Sigmoid激活函数Sigmoid激活函数表达式Sigmoid导数表达式Sigmoid编程实现Sigmoid激活函数以及导函数图像Sigmoid激活函数也叫做Logistic函数，

参见：【目标检测论文阅读】YOLOv2 - 知乎二、更快更准：YOLOv22.1 简介2017年，作者 Joseph Redmon 和 Ali Farhadi 在 YOLOv1 的基础上，进行了大量改进，提出了 YOLOv2 和 YOLO9000。重点解决YOLOv1召回率和定位精度方面的不足。YOLOv2 是一个先进的目标检测算法，比其它的检测器检测速度更快。除此之外，该网络可以适应多种尺寸的图

损失函数1、什么是损失函数？一言以蔽之，损失函数（loss function）就是用来度量模型的预测值f(x)与真实值Y的差异程度的运算函数，它是一个非负实值函数，通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。-损失函数：用于衡量'单个样本点'预测值与实际值的偏离程度。-风险函数：用于衡量'样本点平均意义'下的好坏，就是说要除以batch_..

五、YOLOv55.1 简介YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使得其速度与精度都得到了极大的性能提升，具体包括：输入端的Mosaic数据增强、自适应锚框计

参考：基于yolov5训练人头检测模型 - 知乎一、数据集下载地址：链接：四、模型训练1. 数据集目录配置在data文件夹下创建head.yaml，此文件设置类别数量，类别名称以及数据集的路径。内容如下图所示：​head.yaml2. 预训练模型从 yolov5 github 源码地址下载预训练 yolov5s.pt、yolov5m.pt、yolov5l.pt、yolov5x.pt放置在 weig

转自【GitHub - Hi-MrChen/3d-human-reconstruction】A curated list of related resources for 3d human reconstruction

单目视觉深度估计测距的前生今世自动驾驶中单目摄像头检测输出3-D边界框的方法一览CVPR2019论文解读：单眼提升2D检测到6D姿势和度量形状ROI-10D: Monocular Lifting of 2D Detection to 6D Pose and Metric Shape本文提供了基于端到端单目3D目标检测和度量形状检索的深度学习方法。为了在3D中提升2D检...

提出了一种新的Bottom-up的人体姿态估计方法HigherHRNet，该方法利用高分辨率特征金字塔学习尺度感知表示。该方法在训练方面具有多分辨率监督，在推理方面具有多分辨率聚合功能，能够较好地解决自底向上多人姿态估计中的尺度变化挑战，并能更精确地定位关键点，特别是对小人物。HigherHRNet中的特征金字塔由HRNet的特征映射输出和通过转置卷积的上采样高分辨率输出组成。.........

参考以下英文教程：OpenCV Face Recognition - PyImageSearch一、所需代码安装1.1、OpenCVOpenCV Tutorials, Resources, and Guides | PyImageSearch2、FaceNet3、TensorFlow4、Python二、下载示例代码地址：https://github.com/Ravi-Singh88/Face-Re