目录前言目标检测近年里程碑深度学习目标检测1 R-CNN简介1.1 何为R-CNN?1.2 摘要2.Fast RCNN网络结构解析2.1 整体结构概览2.2 region proposals ---- selective search2.3 back bone --- AlexNet & vgg2.4 classfication --- SVM2.5 regression3.论文亮点4.

目录1.数据处理工具箱概述2. torch.utils.data简介2.1torch.utils.data.Dataset为抽象类。2.2utils.data.DataLoader2.3 下面介绍一下自定义数据集构成方法`类型1：map-style datasets``类型2：iterable-style datasets`Reference:1.数据处理工具箱概述数据下载和预处理是机器学习、深度

目录1. earlystop1.1简介1.2 如何使用早停法1.2.1、停止标准简介1.2.2、停止标准选择规则1.3 pytorch举例说明2. lr_schedule3. summary可视化4. 接口封装1. earlystop1.1简介当我们训练深度学习神经网络的时候通常希望能获得最好的泛化性能（generalization performance，即可以很好地拟合数据）。但是所有的标准深

（四）模型训练4.1 学习率4.2Batch Normalization4.3 Drop-out4.4 权重初始化4.1 学习率（1）什么是学习率？梯度下降法和反向传播算法中的超参数η就是 学习率，它控制着神经网络权值下降的速度（2）为什么要衰减学习率算法优化前期，学习率较大会加速学习， 但后期会造成较大波动，出现围绕最优值 徘徊而无法收敛的情况，因此随着训练的 进行学习率需要逐渐衰...

目录1.数据处理工具箱概述2. transforms的所有数据增强的api2.1 针对PIL image的处理2.1.1裁剪2.1.2 翻转和旋转2.1.3 图像变换2.1.4 对 transforms 操作，使数据增强更灵活2.2 针对 torch.*Tensor的处理2.2.1 标准化：transforms.Normalize2.2.2 线性变换：transforms.LinearTransf

目录代码参考环境安装docker预备知识过程详述结果预览ref：代码参考baseline使用yolov5相关训练调节笔记参见 链接环境安装注意：本地训练使用的是pytorch == 1.7环境，其他安装包参见require.txtdocker 中的 pytorch==1.4 （这个问题后续会说明）因为官方的yolov5.pt权重是使用torch==1.7以上的，所以使用其他版本torch加载的时候

目录前言目标检测近年里程碑深度学习目标检测1 R-CNN简介1.1 何为R-CNN?1.2 摘要2.Fast RCNN网络结构解析2.1 整体结构概览2.2 region proposals ---- selective search2.3 back bone --- AlexNet & vgg2.4 classfication --- SVM2.5 regression3.论文亮点4.

目录1. 早期loss计算（L1/L2/SMOOTH loss）2. IOU(Intersection over Union)3.GIOU(Generalized Intersection over Union)4. DIOU（Distance-IoU Loss）5.CIoU Loss (Complete-IoU Loss)1. 早期loss计算（L1/L2/SMOOTH loss）早期计算BBO

目录前言1.简介1.1 YOLO由来1.2 摘要1.3 代码2.YOLO网络结构详解2.1 整体介绍2.2 主干网络2.3 分类和定位方法2.4 loss计算3.实验和评估4.Reference前言关于YOLO系列的初始作者–Joseph Redmon,说实话真的是个典型的米国白左，辣眼睛的CV，不知道的还以为是那个少女心泛滥的中二，祭出来镇楼：Joseph Redmon想立就立、想当就当，想退圈

（二）深度学习网络结构前馈网络：记忆网络：图网络：前馈网络：每一层中的神经元接收前一层神经元的输出，并输出到下一层神经元. 整个网络中的信息是朝一个方向传播，没有反向的信息传播，可以用一个有向无环路图表示前馈网络可以看作一个函数，通过简单非线性函数的多次复合，实现输入空间到输出空间的复杂映射. 这种网络结构简单，易于实现记忆网络：记忆网络，也称为反馈网络，网络中的神...