先说下自己之前的环境（都是Linux系统，差别不大）：Centos7.6NVIDIA Driver Version 440.33.01（等会需要更新驱动）CUDA10.1Pytorch1.6/1.7提示，如果想要保留之前的PyTorch1.6或1.7的环境，请不要卸载CUDA环境，可以通过Anaconda管理不同的环境，互不影响。但是需要注意你的NVIDIA驱动版本是否匹配。在这里能够看到官方给的

原论文名称：Semantic Image Segmentation with Deep Convolutional Nets and Fully Connected CRFs。这篇文章最早发表于2014年，是Google和UCLA等共同的杰作，也是一篇很经典的论文，DeepLab系列的第一篇论文。因为已经过了很久了，所以本博文只做部分简单的记录。

在目标检测任务中，我们常用的评价指标一般有两种，一种是使用Pascal VOC的评价指标，一种是更加严格的COCO评价指标，一般后者会更常用点。在计算COCO评价指标时，最常用的就是Python中的pycocotools包，但一般计算得到的结果是针对所有类别的，例如：Average Precision(AP) @[ IoU=0.50:0.95 | area=all | maxDets=100 ]

这几天一直在想办法通过ssh方法通过自己工作的windows端去访问控制远程的Linux服务端，为后期的服务器自动化做准备。这几天几乎把能想到的知识点全都百度了一遍，不会google（比较菜），但没有找到自己想要的方式，有的代码也无法正常运行。经过自己的研究测试，发现：（1）如果想实现真正的交互式，在paramiko中必须使用invoke_shell()的方式。（2）网上大部分都是使用的非...

接着上篇DeepLab V2，本博文简单介绍下DeepLab V3（建议先去看下之前讲的DeepLab V1和DeepLab V2）。这是一篇2017年发表在CVPR上的文章。个人简单阅读完论文后感觉相比DeepLab V2有三点变化：1）引入了Multi-grid，2）改进了ASPP结构，3）把CRFs后处理给移除掉了。再吐槽一下，这篇论文看着感觉乱糟糟的。本篇博文就不按照论文的顺序去写了，直接

最近有个需求，是将训练好的pytorch模型转成paddlepaddle的inference_model，然后直接使用paddlepaddle载入使用。转换的工具主要使用paddle官方提供的X2paddle，对应项目链接：https://github.com/PaddlePaddle/X2Paddle官方文档中有对应pytorch模型转paddlepaddle模型的教程，但我只需要inferen

在目标检测任务中，我们常用的评价指标一般有两种，一种是使用Pascal VOC的评价指标，一种是更加严格的COCO评价指标，一般后者会更常用点。在计算COCO评价指标时，最常用的就是Python中的pycocotools包，但一般计算得到的结果是针对所有类别的，例如：Average Precision(AP) @[ IoU=0.50:0.95 | area=all | maxDets=100 ]

首先贴出三个链接：1.AlexNet网络结构详解视频2. 使用pytorch搭建AlexNet并针对花分类数据集进行训练3. 使用tensorflow搭建AlexNet并针对花分类数据集进行训练AlexNet是2012年ILSVRC 2012（ImageNet Large Scale Visual Recognition Challenge）竞赛的冠军网络，分类准确率由传统...

U2Net是阿尔伯塔大学（University of Alberta）在2020年发表在CVPR上的一篇文章。该文章中提出的U2Net是针对Salient Object Detetion(SOD)即显著性目标检测任务提出的。而显著性目标检测任务与语义分割任务非常相似，只不过显著性目标检测任务是二分类任务，它的任务是将图片中最吸引人的目标或区域分割出来，故只有前景和背景两类。......

安装提醒：本博文是在ubuntu16.04服务器（只有黑框框，没有图形界面，推荐使用MobaXterm之类的远程控制软件，方便访问服务器）上离线安装的tensorflow object detection模块。因为服务器不能连外网，所以只能通过提前在外网下载好所需要的各种包工具传入服务器中进行安装。官网中也有安装教程，但你第一次安装可能会遇到坑（由你的开发环境决定）。对于学习深度学习（图像这块..