目标检测性能不好的原因有很多，这里简要分析一下常见的情况。1、很多人总说喜欢拿过拟合说事，那么过拟合是什么情况？按照我的理解，过拟合就在train上很高，在test上很低。严谨一点来说就是train的loss一直降低，test的loss是先降低后提升。为什么是test loss降低的过程代表是模型训练拟合的过程，test loss提升的过程表示模型过拟合训练集，严重偏好训练集的数据。2、目标检测的

中值滤波：取卷积区域内的中位数最大池化：取卷积区域内的最大值平均池化：取卷积区域内的均值有一点，石原里美小姐姐出去玩，拍了一张美美的照片，回来的路上看到了路边有一个十元快速洗照片的摊，于是就花了十元把照片洗了下。回家之后掏出来一看，黑心的老板没有给照片加膜，照片出现了椒盐噪点，于是找你来求助。聪明的你，里面想到了中值滤波，于是三下五除二就给搞好了。import numpy as npfrom PI

计算机视觉中的经典骨干网络

一、引言1、旋转目标检测检测就是将具有旋转方向的目标检测出来，也就是需要检测目标的中心点、长宽、角度。在俯视图的目标检测中比较常见，如遥感图像目标检测、航拍图像目标检测等。(见下图旋转目标检测，图源论文RoI Transformer )2、旋转目标检测算法，目前多阶段里面性能较好的是RoI Transformer这个算法，本篇博客将详细分析此算法。论文《Learning RoI Transform

一、MaxPooling前向传播与反向传播MaxPooling就是对卷积区域进行最大值计算。1、MaxPooling池化区域与步长相同时，即只对最大区域进行梯度计算，最后将梯度平均到四个区域中。1314524696123456conv(2,2)stride=2>5696梯度坐标>0000100110000001梯度值>00000.25000.250.250000000.25\be

计算机视觉中的经典骨干网络

一、引言1、旋转目标检测检测就是将具有旋转方向的目标检测出来，也就是需要检测目标的中心点、长宽、角度。在俯视图的目标检测中比较常见，如遥感图像目标检测、航拍图像目标检测等。(见下图旋转目标检测，图源论文RoI Transformer )2、旋转目标检测算法，目前多阶段里面性能较好的是RoI Transformer这个算法，本篇博客将详细分析此算法。论文《Learning RoI Transform

准备秋招找工作，研究方向是深度学习目标检测之类的。一次面试的时候，面试官问到计算机方面的基础知识，回答的不是很好，遂整体相关知识。特此感谢多位好友给出的学习意见。下面主要从数据结构、操作系统、计算机网络、数据库、Linux几个方面进行简要整理高频考点，若有错误之处，还请多多指正。1、数据结构关于数据结构，之前有总结八大排序算法和一些数据结构知识，这里就不重复整理了。另外可以参考知乎大佬写的总结，有

随着深度学习的发展，基于深度学习的目标检测方法因其优异的性能已经得到广泛的使用。目前经典的目标检测方法主要包括单阶段(YOLO、SSD、RetinaNet，还有基于关键点的检测方法等)和多阶段方法(Fast RCNN、Faster RCNN、Cascade RCNN等）。下面主要介绍单阶段的目标检测方法(SSD、YOLO系列、RetinaNet等)和多阶段目标检测方法(RCNN系列)。一、单阶段1