1.什么是LeNetLeNet5诞生于1994年，是最早的卷积神经网络之一，并且推动了深度学习领域的发展。自从1988年开始，在多年的研究和许多次成功的迭代后，这项由Yann LeCun完成的开拓性成果被命名为LeNet5。LeNet：主要用来进行手写字符的识别与分类确立了CNN的结构，现在神经网络中的许多内容在LeNet的网络结构中都能看到虽然LeNet网络结构比较简单，但是刚好适合神经网络的入

参考：https://blog.csdn.net/tanmx219/article/details/100829920问题一：C:\Users\pc-01\AppData\Local\Programs\Python\Python37\lib\site-packages\torch\utils\cpp_extension.py:287: UserWarning: Error checking com

伪装目标检测(Camouflage Object Detection)部分经典论文汇总

COD-10K项目页面：http://dpfan.net/Camouflage/数据集：https://drive.google.com/file/d/1vRYAie0JcNStcSwagmCq55eirGyMYGm5/viewCHAMELEON项目页面：http://kgwisc.aei.polsl.pl/index.php/en/dataset/63-animal-camouflage-ana

Python 绘制二分割预测结果的熵(不确定性)并可视化

COD-10K项目页面：http://dpfan.net/Camouflage/数据集：https://drive.google.com/file/d/1vRYAie0JcNStcSwagmCq55eirGyMYGm5/viewCHAMELEON项目页面：http://kgwisc.aei.polsl.pl/index.php/en/dataset/63-animal-camouflage-ana

来自多中心的内窥镜视频通常有不同的成像条件，如颜色和光照，这使得在一个领域训练的模型通常不能很好地推广到另一个领域。领域适应是解决这一问题的潜在方案之一。然而，现有的工作很少关注基于视频的数据的转换。在这项工作中，我们提出了一个新的生成对抗网络(GAN)，即VideoGAN，以跨越不同领域转移基于视频的数据。由于视频中的帧可能具有相似的内容和成像条件，所提出的VideoGAN有一个X型生成器，以在

显著目标检测(SOD)方向部分经典论文汇总

在configs的配置文件中，加入了自定义的导入包，例如：而custom_pack文件夹已经正确置于mmsegmentation目录下。此时使用该配置文件进行训练，报错信息如下按照报错字面意思，是包的位置不正确，没有放在系统路径或当前路径下。然而实际上，包内代码本身存在错误也会引发该问题。例如，我们在mmsegmentation/custom_pack/init.py文件中加入以下一行代码：这里的

(CVPR’17) Learning to Detect Salient Objects with Image-level SupervisionDeep Neural Networks (DNNs) have substantially improved the state-of-the-art in salient object detection. However, training DNN