一、FPN结构FPN结构图：FPN通过利用常规CNN模型内部从底至上各个层对同一scale图片不同维度的特征表达结构，提出了一种克有效在单一图片视图下生成对其的多维度特征表达的方式。它可以有效地赋能常规CNN模型，从而可以生成出表达能力更强地feature maps以供下一阶段计算机视觉任务（如object detection/semantic segmentation等）来使用。本质上说它是一种

基于深度学习的目标检测算法可分为：One stage和Two stage两周：1、Two stage:先进行区域生成，该区域称之为region proposal（简称RP，一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。任务流程：特征提取 --> 生成RP --> 分类/定位回归。常见tow stage目标检测算法有：R-CNN、SPP-Net、Fast R-CNN、

视频：https://space.bilibili.com/18161609?spm_id_from=333.788.b_765f7570696e666f.1代码：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

top1和top5正确率的区别top1：预测labels中，最后的概率向量中取最大的作为预测结果，如果最大的那个预测的分类结果正确就正确，若不正确则不正确。一般情况下默认是top1top5：预测labels中，最后的概率向量中取最大的前五个，这五个中，如果有一个预测正确，则预测分类结果正确。只有这五个预测全部错误，则预测分类结果错误。...

pycharm连接服务器一、配置python解释器file->setting->project->python interpreter，然后点击add，如图所示：二、建立SSH连接tools->deployment->configuration，然后如图：给这个服务器取一个名字，然后：1处，填写远程服务器的IP地址。填写完成后，点击2处test connection测

数组索引报错IndexError: arrays used as indices must be of integer (or boolean) type在索引后加上.astype(‘int64’)如：self.matrix[p.astype('int64'), t.astype('int64')] += 1

pytorch中的自动求导在实践中很简单，如果我们想计算某些的tensor的梯度，我么只需要要在简历这个tensor时加入这么一句：requires_grad=True。这个tensor上的任何pytorch的操作都将构造一个计算图，从而允许我们稍后再途中执行反向传播。如果这个tensor X的requires_grads=True，那么反向传播之后x.grad将会时另一个张量，其为关于x某个标量

pytorch分布式报错AssertionError: Default process group is not initialized在pytorch中分布式中，dist.barrier()中报错AssertionError: Default process group is not initialized。可以尝试：import torch.distributed as distdist.in

DOI全称：‘digital object identifier’，数字对象唯一标识，被喻为“互联网上的条形码”、“科技论文的身份证”。DOI代码具有唯一性，可以根据它方便、可靠的链接到论文的全文。一个doi包括两个部分：前缀和后缀，中间用“/”分割。前缀由两部分组成，一个是目录代码，所有doi的目录都是“10.”，即所有dio代码都以“10.”开头。另一个是登记机构代码，任何想登记doi的组织或

报错：AttributeError: module ‘matplotlib’ has no attribute ‘plot’导入的包：import matplotlib as plt改为：import matplotlib.pyplot as plt