CVPR2020年发表，并不是原来YOLO系列的作者相对于YOLOV3有比较大的提升，但相对于YOLOV3-SPP提升比较少。一、相对于YOLOV3的网络结构改进：1、引入CSP结构：DARKNET53->CSPDARKNET53作者认为CSP的作用：1）增强CNN网络的学习能力；2）移除计算的瓶颈；3）降低内存开销。CSP模块如下图：2、引入SPP结构：解决多尺度问题，这个与YOLOV3-

Ubuntu20.04编译安装opencv4.0.0和opencv_contrib4.0.0

发表于CVPR2018。YOLOV3本身没有太多的创新点，主要是整合了当时比较主流的一些网络的优点。1、YOLOV3的backbone改进：各个主干网络在imagenet上的运行效果。Darknet-53对比ResNet-152，top1和top5差不多，但速度快一倍。Darknet-53网络结构（53个卷积层）Darknet53主要也是采用残差块堆叠而成，但Darknet53没有最大池化层，降采

QT已安装，在系统环境变量PATH中加入下面路径：C:\Qt\Tools\mingw730_64\bin\C:\Qt\5.12.12\mingw73_64\bin\下载opencv-4.0.0-vc14_vc15.exe解压用cmake选择source、build目录：configure选择MinGW Makefiles->Specify native compilers配置C和C++编译器

注意力（Attention）机制

各种人工智能算法所需的数据集

各种人工智能算法所需的数据集

目标检测算法总体分为：基于区域的算法和基于回归的算法1）基于区域的算法： RCNN, Fast RCNN, Faster RCNN, Mask RCNN 等。整个检测过程分为两个阶段。在第一个阶段，检测器需要找到一些假设的区域 (ROI)；在第二个阶段，检测器需要在这些假设区域上进行分类 (classification) 和 位置回归 (bounding box regression)。2）基于回