一、资料推荐爱丁堡大学课程（全英文，有能力的推荐学习一遍）：https://speech.zone/courses/speech-synthesis/TensorflowTTS（比较系统的开源项目）：https://github.com/TensorSpeech/TensorFlowTTS二、基础概念介绍1、时域：波形的振幅、频率；2、频域：傅里叶变换：每个复杂的波形都可以由不同频率的正弦波组成；

一、前置知识首先需要知道实例分割的任务主要有两种实现方式：1、自上而下：先检测出框，再对框内的物体进行像素点分类，缺点在于对于一些目标检测框不完整，会影响精度；2、自下而上，先对目标像素点进行分类，再通过聚类的方式将像素点归到各个目标上；总结：对于车道线场景，采用自下而上的方式较多，因为车道线的场景复杂，不利于检测；二、聚类算法通过自下而上的方式分类点后，需要聚类，将各个像素点归到不同的目标上；这

一、开篇​随着神经网络的发展，transformers和高级卷积网络架构给视觉和预研领域任务带来提升的同时，模型的规模及计算量也越来越大；​虽然模型的体积增大往往能带来更好的效果，但在实际场景的应用性几乎为0，这也是学术界和工业界存在的一个最大差异，模型的落地往往要考虑的方面有很多，并不只是单纯看预测的效果；模型变大引发的一些问题：更长训练时间；更长的推断时间；更多的内存占用；模型压缩的目的：以一

【实战】基于TFlite实现TensorFlowTTS语音合成源码地址：https://github.com/TensorSpeech/TensorFlowTTS一、配置环境Requirements：Python 3.7+Tensorflow 2.2/2.3/2.4/2.5/2.6二、案例实现1、将源码下载并解压在TensorFlowTTS-master路径下2、下载所需要的模型和lib静态库：下

【实战】基于TFlite实现TensorFlowTTS语音合成源码地址：https://github.com/TensorSpeech/TensorFlowTTS一、配置环境Requirements：Python 3.7+Tensorflow 2.2/2.3/2.4/2.5/2.6二、案例实现1、将源码下载并解压在TensorFlowTTS-master路径下2、下载所需要的模型和lib静态库：下

【OpenCV学习】（十）特征点检测与匹配背景提取图像的特征点是图像领域中的关键任务，不管在传统还是在深度学习的领域中，特征代表着图像的信息，对于分类、检测任务都是至关重要的；特征点应用的一些场景：图像搜索：以图搜图（电商、教育领域）图像拼接：全景拍摄（关联图像拼接）拼图游戏：游戏领域一、Harris角点哈里斯角点检测主要有以下三种情况：光滑区域：无论向哪个方向移动，衡量系数不变；边缘区域：垂直边

【实战】基于TFlite实现TensorFlowTTS语音合成源码地址：https://github.com/TensorSpeech/TensorFlowTTS一、配置环境Requirements：Python 3.7+Tensorflow 2.2/2.3/2.4/2.5/2.6二、案例实现1、将源码下载并解压在TensorFlowTTS-master路径下2、下载所需要的模型和lib静态库：下

深度学习从2015年发展到现在，模型也在不断地迭代优化；现在许多新的模型往往是站在巨人的肩膀上，在这里想记录下baseline模型发展的一个历程，以及不断更新的内容；不会将模型的每一层剖开来将，而是将关键的创新点进行重点记录，当然也包括了一些个人理解和思考，如果有不对或者不全的地方欢迎沟通，也希望在以后工作中不断完善对模型的理解；BaseLine指的是什么呢？通常我们又称BaseLine模型为分类

一、概述一句话概括：将一个复杂模型的预测能力转移到一个较小的网络上；（复杂模型称为教师模型，较小模型称为学生模型）Teacher and Student的概念：对大网络学习的知识进行"蒸馏"，并将其转移到小网络上，同时小网络的性能能够接近大网络；蒸馏模型（Student）被训练模仿大网络（Teacher）的输出，而不仅仅是直接在原始数据上训练，通过这种方式让小网络学习到大网络的抽象特征能力和泛化能

前言SORT论文地址：http://arxiv.org/pdf/1602.00763.pdf本次项目源码地址：https://github.com/mikel-brostrom/Yolov5_DeepSort_Pytorch/tree/master/deep_sort_pytorch/deep_sort/sort在介绍DeepSORT之前，需要引入SORT算法，其主要作用是第一次将CNN检测功能引