前言：c语言编译时，使用某函数时会在引用的.h或.c中该函数调用之前的代码部分找，如果找不到会报"":identifier not found。编译c时报错"":identifier not found：因为编译的时候找不到函数的定义，一般有两种错误原因：1.定义在使用之后；要先定义再使用。2.在.h中声明，声明完了可以先使用在定义。...

memcpy，std::copy_n，std::copy三者的区别：

方法一：yolo+facenet参考：方法二：mtcnn+facenet参考：

总结来说，AP、APr、APc和APf都是用于评估目标检测模型性能的重要指标，但它们分别关注不同的方面：AP关注整体平均精度，APr关注不同召回率下的平均精度，APc和APf则分别关注常见类和频繁类别的检测性能。APr指的是在不同召回率下的平均精确率。具体来说，APr是在不同召回率水平下计算出的AP值的平均值，这有助于了解模型在高召回率情况下的表现。AP的计算通常会根据不同的IoU（交并比）阈值进

在目标检测中，有时候经常会出现一些模棱两可的anchor，如图3，即某一个anchor，按照正样本匹配规则，会匹配到两个gt，而retinanet这样基于IoU分配是会把anchor分配给IoU最大的gt，而OTA作者认为，将模糊的anchor分配给任何gt或背景都会对其他gt的梯度造成不利影响，因此，对模糊anchor样本的分配是特殊的，除了局部视图之外还需要其他信息。减少了参数量和GFLOPs

表示适合GT的FPN层数，标准差高则表示高质量的anchor box集中在一个层中，应将阈值加上标准差来过滤其他层的anchor box，低则表示多个层都适合该GT，将阈值加上标准差来选择合适的层的anchor box，均值和标准差结合作为IoU阈值能够很好地自动选择对应的特征层上合适的anchor box。表示预设的anchor与GT的匹配程度，均值高则应当提高阈值来调整正样本，均值低则应当降低

直接下载：Downloading https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt to yolov5s.pt…这个太慢，导致程序运行失败。用wget https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt下载。如果下

一个含有1G参数的模型，如果每一个参数都是32bit（4byte），那么直接加载模型就会占用4x1G的显存。Step1:优化器会先备份一份FP32精度的模型权重，初始化好FP32精度的一阶和二阶动量（用于更新权重）。Step4:优化器利用FP16的梯度和FP32精度的一阶和二阶动量去更新备份的FP32的模型权重。Step2:开辟一块新的存储空间，将FP32精度的模型权重转换为FP16精度的模型权重

网络的输出有置信度和bbox的位置。根据这两个的综合评价得到一个准确的指标：ap，map。参考：https://blog.csdn.net/qq_35916487/article/details/89076570网络的输出按照置信度排序：根据不同的置信度阈值得到多组precision和recal序列。根据不同的p-r值画出pr曲线。这个曲线连接起来的面积就是ap值。如果有多类目标，求一个平均值就是

模型为：2个一级检测器，7个二级检测器。涉及的技术：obj检测，关键点检测，人脸识别一.rtsp流的延时问题模型多，视频流多导致处理不过来，产生延时问题。处理延时问题两个思路：代码优化；设置丢帧。1.设置丢帧方式参考：https://blog.csdn.net/XCCCCZ/article/details/120377817，有很多种设置丢帧的方式。有latency和drop-on-latency