对计算机而言，能够“看到”的是图像被编码之后的数字，所以它很难理解高层语义概念，比如图像或者视频帧中出现的目标是人还是物体，更无法定位目标出现在图像中哪个区域。目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别，并在该目标周围绘制边界框，标示出每个目标的位置，如 图1 所示。图1：图像分类和目标检测示意图图1（a）是图像分类任务，只需识别出这是一张斑马的图片。图1（b）是目标检

前情提要  通过之前教程中的学习，相信大家对于如何搭建一个分类网络已经清晰了。那么我们不禁会想，有没有更快速的尝试模型及技巧的方法呢？因为我们在上一次课程中使用的代码都需要自己进行开发，自己写需要很多的精力。PaddleClas作为飞桨的一个图像分类套件，已经为大家把所有的内容都写好了，只需要大家选择模型、并适配自己的数据集即可。基于飞桨图像分类套件PaddleClas的柠檬分类竞赛实战Paddl

【动手学Paddle2.0系列】模型训练的N种姿势最开始接触深度学习的时候，我的码力几乎等于0，所以在最初的时候，几乎都是使用封装好的高层API进行训练，自由度很低。想通过这个教程，对paddle2.0中的各种开启训练的方式进行一个总结。让我们开始愉快的学（ban）习（zhuan）吧！1 Paddle2.0 主要思想那么，用框架来类比，飞桨框架基础API对应方法一，飞桨框架高层API对应方法二。使

手把手教你在ResNet_d中添加DCN1、理论  关于Resnet_vd以及DCN（可变形卷积），大家可以参考我之前的项目，【动手学Paddle2.0系列】PP-YoLo详解（1），【动手学Paddle2.0系列】可变形卷积（Deformable Conv）实战复习一下相关的理论知识。2、代码详解  对于ResNet的BasicBlock结构，其包含两层1 * 1卷积，一层3 * 3卷积。如果我

【动手学Paddle2.0系列】手把手教你自定义数据集本次将带领大家进行自定义数据集教程，并完整的走完整个项目流程。# 解压数据集，大家此处可以视自己的情况决定是不是要重新解压。!unzip -q data/data42610/foods.zip1 数据集预处理此部分首先对数据集进行简单的整理，在food_data.csv中写入图像路径，以及对应的标签。import osall_file_dir

[动手学PaddlePaddle2.0系列] 通过飞桨高层API实现迁移学习任务（102种鲜花识别）作者：lwb时间：2020.11本篇将介绍如何通过飞桨高层API实现迁移学习任务，数据集采用VGG出品的鲜花数据集，该数据集可通过paddle的API直接下载。该案例主要参考了『跟着雨哥学AI』系列01：初识飞桨框架高层APIimport warningswarnings.filterwarning