实测效果：在COCO小目标（area<32²）检测中，Faster R-CNN + FPN 比原版AP提升12.1%（论文数据）BiFPN（EfficientDet）：可学习权重的双向FPN + 跨尺度连接 → 当前SOTA多尺度结构。PANet：在FPN基础上增加自底向上路径（增强浅层到深层的信息流）→ YOLOv4/v5采用。概括: “用高层语义信息增强低层细节，构建语义强 + 分辨率高的多尺

一、前期准备（环境配置）（1）在自己的电脑上配置了深度学习cpu版的框架（2）在连接的服务器上配置了深度学习gpu版的框架（3）中间遇到了许多问题，配置方法及问题的解决见另三篇博文https://editor.csdn.net/md/?articleId=114679859https://editor.csdn.net/md/?articleId=114850424https://editor.c

智能垃圾分类

一、前提（一）安装GPU版本的torch和tensorflow之前要先查看自己的显示适配器是否有英伟达（NVIDIA）的显卡，有英伟达的显卡才能使用cuda和cudnn加速深度学习（二）注意cuda与torch和tensorflow版本是否适配，若不适配则无法安装成功二、pytorch GPU配置（一）以管理员身份运行Anaconda Prompt（二）创建pytorch环境conda creat