传统的图像金字塔最开始在深度学习方法流行之前，对于不同尺度的目标，大家普遍使用将原图构建出不同分辨率的图像金字塔，再对每层金字塔用固定输入分辨率的分类器在该层滑动来检测目标，以求在金字塔底部检测出小目标；或者只用一个原图，在原图上，用不同分辨率的分类器来检测目标，以求在比较小的窗口分类器中检测到小目标。经典的基于简单矩形特征(Haar)+级联Adaboost与Hog特征+SVM的DPM目标识别框架

原文：https://zhuanlan.zhihu.com/p/32230623https://blog.csdn.net/w113691/article/details/82631097https://www.cnblogs.com/GeekDanny/p/9655597.html深度学习优化算法经历了 SGD -> SGDM -&g...

C++接口:voidapproxPolyDP(InputArraycurve, OutputArrayapproxCurve, doubleepsilon, boolclosed)参数详解;InputArraycurve:一般是由图像的轮廓点组成的点集OutputArrayapproxCurve：表示输出的多边形点集doubleepsilon：主要表示输出的精度，就是另个轮廓点之间最大距离数，5,

CUDA编程https://github.com/Ewenwan/ShiYanLou/tree/master/CUDACUDA（Compute Unified Device Architecture）的中文全称为计算统一设备架构。高性能编程 笔记 GPU高性能编程CUDA实战 CUDA与OpenCV实战，用于加速计算机视觉 并行机器编程 CUDA自带文档：CUDA_C_Programming_Gu

yolo中的目标检测 做个记录，方便后续理解https://github.com/Wulingtian/yolov5_tensorrt_int8/blob/master/yolov5s_infer.ccvoid nms_cpu(std::vector<Bbox> &bboxes, float threshold) {if (bboxes.empty()){return ;}//

创建空项目生成导出dll2.3 配置include lib ，设置启动项运行

光流optical flow （光流） 表示的是相邻两帧图像中每个像素的运动速度和运动方向。光流法光流法就是通过检测图像像素点的强度随时间的变化进而推断出物体的光流的方法。今天主要介绍opencv中计算光流接口cv2.calcOpticalFlowFarneback的使用，以及如果已知当前帧和预测光流，我们如何通过重映射cv2.remap得到预测图像的方法。cv2.calcOpticalFlowF

回调操作可以在训练的各个阶段执行，可能是在epoch之间，在处理一个batch之后，甚至在满足某个条件的情况下。回调可以利用许多创造性的方法来改进训练和性能，节省计算资源，并提供有关神经网络内部发生的事情的结论。本文将详细介绍重要回调的基本原理和代码，以及创建自定义回调的过程。ReduceLROnPlateau：ReduceLROnPlateau是Keras中默认包含的回调。神经网络的学习率决定了

keras支持模型多输入多输出，本文记录多输出时loss、loss weight和metrics的设置方式。模型输出假设模型具有多个输出classify： 二维数组，分类softmax输出，需要配置交叉熵损失segmentation：与输入同尺寸map，sigmoid输出，需要配置二分类损失others：自定义其他输出，需要自定义损失具体配置model变量均为模型中网络层123inputs = [

1. https://www.jianshu.com/p/5e7c5baf03cfhttps://blog.csdn.net/weixin_31866177/article/details/82985345图像有4个通道，同时有2个卷积核w1和w2。对于卷积核w1，先在输入图像4个通道分别作卷积，再将4个通道结果加起来得到w1的卷积输出；卷积核w2类似。所以对于某个卷积层，无论输入图像有多...