借着使用BRNET工程之际，了解下MMDetection3D框架相关的内容对于数据处理，MMDetection3D针对每种3D数据集，在代码中实现了一个类来进行数据的处理。在工程【test/test_data/test_datasets/】路径下，存放着数据读取处理的测试脚本。接下来以【test_scannet_dataset.py】为例。最核心的代码为scannet_dataset = Scan

论文地址：Multi-scale context aggregation with dilated convolutions空洞卷积（Dilated/Atrous Convolution），就是在标准的卷积里面注入空洞，以此来增加感受野的大小。1 原理的介绍1.1 空洞卷积的引入Deep CNN对于某些任务有致命的缺陷。较为明显的为pooling layer (优点：减小特征图尺寸...

1 SPPNet网络介绍1.1 SPPNet网络处理流程1. 候选框提取：使用算法selective search获取输入图片的候选框，提取约2000个候选区域2. CNN+SPP+FC（与RCNN不同之处）：把整张图片输入到CNN中，一次性提取特征得到feature maps并且在feature map中找到各个候选框的映射区域对候选区域对应的feature map...

PASCAL VOC 挑战在2005年 至 2012年间展开。该数据集中有20个分类。该数据集包含11530张用于训练和验证的图像，其中感兴趣区域有27450个标定。以下是数据集中的20个分类：人：人动物：鸟、猫、牛、狗、马、羊车辆：飞机、自行车、船、巴士、汽车、摩托车、火车室内：瓶、椅子、餐桌、盆栽植物、沙发、电视/检测器每个图像平均有2.4个目标...

通俗意思是在IOU值和中心点距离值相同时，两个框的长宽比指标越相似，说明预测框与目标框的对比效果越好。如下图所示，三种情况IoU都相等，但看得出来他们的重合度是不一样的，左边的图回归的效果最好，右边的最差。对于GIOU的缺点，即目标框包裹预测框的这种情况，DIOU Loss可以使回归非常快，而GIOU Loss几乎退化为IOU Loss。如图9所示，当IOU值和两个框的中心点距离一样时，即检测框中

截止到目前，目标检测的功能还是yolo模型落地性更强。但大模型也已经全面开花，所以也尝试下使用大模型来完成目标检测的训练，看看其效果如何，看看它在目标检测上有怎样的优势。本次选用qwen2.5-VL，（qwen2.5-VL的简单介绍）一开始使用github上阅读性强的工程训练，总觉得差些意思。于是决定自己手搓个大模型训练推理工程，emm…，预测效果也是差强人意。兜兜转转还是使用个高star的工程，

1 Faster RCNN操作流程1. 卷积层（conv layer）：【输入为整张图片，输出为提取的feature map】用于提取图片的特征，比如VGG16。2. RPN模块（Region Proposal Network）：【输入为feature map，输出为候选区域】。这里替代之前的search selective。首先生成很多Anchor box，对其进行裁...

yolov8的广泛使用，拉取yolov8源码工程，然后配置环境后直接运行，初步验证自己数据的检测效果，在数据集准备OK的情况下 需要信手拈来，以保证开发过程的高效进行。提高显卡驱动版本或降低pytorch版本即可。这里方便起见，降低pytorch版本与显卡驱动匹配即可。顺便也记录下ubuntu下的一些简单的常用的操作。

1. 安装打开【ubuntu软件】，右上角搜索【vscode】，并点击安装。2. 选择界面风格建议选择黑色，保护眼睛3. 更换字体【File】—【preferences】—【settings】找到【Edit in settings.json】并打开。修改为如下内容并保存。"editor.fontFamily": "Fira Code",//后边的引号中写上要设置的字体类型，个人比较喜欢Fira C

通俗意思是在IOU值和中心点距离值相同时，两个框的长宽比指标越相似，说明预测框与目标框的对比效果越好。如下图所示，三种情况IoU都相等，但看得出来他们的重合度是不一样的，左边的图回归的效果最好，右边的最差。对于GIOU的缺点，即目标框包裹预测框的这种情况，DIOU Loss可以使回归非常快，而GIOU Loss几乎退化为IOU Loss。如图9所示，当IOU值和两个框的中心点距离一样时，即检测框中