方法在预定义的关键点和网格之外，放置一系列anchors box或anchor point来定位目标。首先寻找代表整个目标的proposals，然后通过分类和回归proposals来确定目标类别和边界框。以CenterNet为例，CenterNet直接在特征图上寻找唯一的峰值点作为中心点（x，y）（以heat map展示），回归高和宽的偏离值，随后与ground truth计算loss。以YOLO

构造并导入注意力机制脚本修改模型参数yaml文件在构建模型yolo.py文件中，传入通道数至注意力层中。总的来说，步骤比较简单，目前尝试的注意力机制有SimAM、ShuffleAttention、SEAttention三种，后续会尝试更多注意力机制，如：BAM、CBAM等。

基于Ultralytics版的YOLOv57.0，修改YOLOv5的backbone有两种方式：①对于常见的分类网络，如：VggNet、ResNet、ViT、SwinTransformer等。可以直接利用Timm库修改；②对于一些不太常见的分类网络，则需要手动修改模型文件内容，利用yolo.py的“parse_model”函数建立修改后的模型。

针对win10系统闪屏、点击不了的问题，卸载IDM下载器可解决。