序言不知道大家有没有发现，近两年目标检测算法发展非常的快，恍惚一看，单阶段算法几乎统一了目标检测，各种高性能的目标检测算法层出不穷，印象中是在YOLOv4出来后，基于YOLO的改进变得一发不可收拾，各种改进版本精度越来越高、速度越来越快，同时模型体积也越来越小，越来越多的轻量型模型涌现，更适合移动端部署。这篇文章花点时间来盘点一下一些在github上比较火的轻量型目标检测算法，收藏也方便以后工程中

目标检测目前主要存在的主要问题，也是目标检测未来的发展方向：小目标物体检测；遮挡面积较大的目标检测；区分图像中与目标物体外形相似的非目标物体；实时性检测；小数据量迁移训练效果的提升；目标检测范围应用越来越广，缺乏各种各样的训练样本数据。...

序言本文整理于作者知乎原文：研习UNet，UNet++的作者在知乎讲的非常仔细，感兴趣的可以直接去围观，这里只是为了方便记忆做个总结。正文一、图像分割背景在计算机视觉领域，全卷积网络（FCN）是比较有名的图像分割网络，医学图像处理方向，U-Net可以说是一个更加炙手可热的网络，基本上所有的分割问题，我们都会拿U-Net先看一下基本的结果，然后进行“魔改”。UNet和FCN对比：两者...

序言整理了一篇来自公众号AI公园的文章，原文链接：常见的12个深度学习面试问题，通过对文章知识点整理来巩固所学的知识，也为了以后更好的复习。正文1. 介绍Batch Normalization的意义Batch Normalization 是训练神经网络模型的一种有效方法。该方法的目标是将特征(每层激活后的输出)归一化为均值为 0，标准差为 1。它可以将数据标准化到一个合理的范围，这样做带来...

序言我打算写一个智慧交通系列的文章，但是最近没啥时间，先放个效果图占个位，有时间的话会慢慢写。一、车辆属性识别先放个效果图，实现原理有时间的时候会补上。

序言银行卡卡号智能检测识别在现阶段的OCR应用中非常的广泛，各大app应用中也经常见到，因为最近项目中也有这样的需求，写篇文章记录一下。本文仅作为分析，思路较为简单，完整的代码和数据因为涉及到公司业务不会公开。一、需求分析首先明确项目的需求，在项目中要对银行卡的卡号进行定位并识别，总的来说分为两个步骤：一是卡号定位，也就是检测问题；二是对定位后的卡号进行识别，也就是识别问题。在第一步中，使用了YO

序言主要是对规则的文本检测都的角度纠正，如果弯曲的很厉害，那也没办法，因为最近一直在做OCR方面的工作，包括文本检测、文本识别等等，关于检测后的文本角度纠正，网上查了很久没发现一个靠谱的，想了很久，决定自己用opencv实现一下，本文记录下实现的过程。本文主要是对YOLO检测后的倾斜文本做纠正，纠正后的图片送入到识别网络中能够大大的提升模型的识别率，当然不一定对所有场景下的文本都适用，本文实现仅供

序言目标检测VOC2012数据集：链接：https://pan.baidu.com/s/1NbFk3nzC4cXnx0ufYnZgyw提取码：n0wj分享是种美德。

序言因为之前有在做一些规则卡片类的OCR识别任务，就难免会遇到这样的问题：用户上传的照片里卡片的角度是任意的，不规则的，或多或少都会存在不同的倾斜和形变。所以在识别的时候必须要先对其进行矫正再进行检测识别。当时有想到借鉴人脸检测中的关键点回归对卡片的四个角进行回归，但是后来感觉有点麻烦，而且数据有限，如果使用传统的opencv去寻找角点的话实际效果又不太稳定，刚好那段时间v5出来了，突发奇想可以使

我们知道YOLOv3目前是业界比较流行的检测算法，在速度和精度上相对于其他检测算法，都有很大的优势，但是今天介绍的不是YOLOv3，而是它的改进版本yolov3-SPP，在学习的同时，也随便记录一下，如果有误还请大家指出。1. YOLO各个版本对比首先来看下官方给的在COCO数据集上的表现，可以看到SPP版本相对于前面几个版本，mAP有了好几个百分点的提升，在加了SPP模块之后的YOLOv3为..