1. 第一部分介绍IoU这个指标的含义和计算方法。2. 第二部分介绍TP、FP、TN、FN这四个指标的含义，以及在目标检测中的使用方法。3. 第三部分介绍Accuracy、Precision、Recall、F1-score这四个指标的含义，以及在单类别和多类别下的计算方法。4. 第四部分介绍P-R曲线、AP和mAP这个三个指标的含义和计算方法。5. 第五部分介绍ROC曲线和AUC这个两指标的含义和

本文主要介绍基于语义分割任务的HorNet网络。对其中的gnconv，global filter和HornetBlock的原理做了详细介绍，并且通过MMCV源码以及自己绘制的网络结构图让读者朋友对于该模型有更为清晰的认识。

Segformer针对语义分割任务，专门设计出一系列MixTransformer（B0-B5）的主干网络，用于提取多尺度特征，同时解码器使用参数量较小的MLP构成，在取得优异的效果同时，极大的减少了计算复杂度。

本篇博客是CUDA编程系列笔记的开篇，我打算先介绍下搭建CUDA编程环境的整体过程以及遇到的问题。

本文描述三种孔洞填充的方法，分别是：1.形态学重建之孔洞填充2.轮廓填充3.漫水填充

本文主要分为两个部分：第一部分重点介绍了注意力机制的原理、公式演变、评分函数以及多头注意力。第二部分重点介绍了自注意力机制的原理、优缺点以及和注意力机制的区别，并最后给出了单头和多头自注意力机制的图片示例。

本文描述三种孔洞填充的方法，分别是：1.形态学重建之孔洞填充2.轮廓填充3.漫水填充

本文主要分为两个部分：第一部分重点介绍了注意力机制的原理、公式演变、评分函数以及多头注意力。第二部分重点介绍了自注意力机制的原理、优缺点以及和注意力机制的区别，并最后给出了单头和多头自注意力机制的图片示例。