简介Mask R-CNN是ICCV 2017的best paper，彰显了机器学习计算机视觉领域在2017年的最新成果。在机器学习2017年的最新发展中，单任务的网络结构已经逐渐不再引人瞩目，取而代之的是集成，复杂的多任务网络模型。文章的主要思路就是把原有的Faster R-CNN进行扩展，添加一个分支使用现有的检测对目标进行并行预测。原论文地址：http://cn.arxiv.org/pdf...

简介R-CNN的进阶版Fast R-CNN就是在R-CNN的基础上采纳了Spatial Pyramid Pooling（SPP） 方法，对R-CNN作了改进，使得性能进一步提高。《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》论文地址：https://arxiv.org/pdf/140...

简介经过R-CNN和Fast R-CNN的积淀，Ross B. Girshick在2016年提出了新的Faster R-CNN，在结构上，Faster R-CNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度...

简介R-CNN的全称是Region-CNN，它可以说是是第一个成功将深度学习应用到目标检测上的算法。它是2014年发布的一篇论文，题目是 《Rich feature hierarchies for accurate oject detection and semantic segmentation》，通俗地来讲就是一个用来做目标检测和语义分割的神经网络。原论文地址：https://arxiv....

简介：RefineDet——《single-shot refinement neural network for object detection》是CVPR2018的论文，大致上是SSD和RPN、FPN的结合，可以在保持SSD高效的前提下提高检测效果。主要思想：一方面引入two stage类型的object detection算法中对box的由粗到细的回归思想，另一方面引入类似FPN网络的特征融合操作用于检测网络，可以有效提高对小目标的检测效果。原论文地址：https://arxiv.org/pdf/

简介R-FCN是NIPS 2016的best paper，主要贡献在于解决了“分类网络的位置不敏感性”与“检测网络的位置敏感性”之间的矛盾，在提升精度的同时利用“position-sensitive score maps”提升了检测速度。原论文地址：https://arxiv.org/abs/1605.06409一、整体框架从上图可以看出，整个网络的组成为：一个CNN特征提取器（如Res...

简介：前面已经总结了RCNN系列和YOLO系列，那么SSD同样是目标检测领域的经典论文，后续很多论文以此为基础，所以还是有必要来梳理一下。SSD全名Single Shot MultiBox Detector，对于Faster R-CNN，先通过CNN得到候选框，然后进行分类和回归，而YOLO和SSD可以一步完成检测；对于YOLO，SSD采用CNN来直接进行检测，而不是像YOLO那样采用全连接层后做检测。原论文地址：https://arxiv.org/pdf/1512.02325.pdf一、网络结构：

简介：这篇paper《RetinaNet：Focal Loss for Dense Object Detection》获得了ICCV 2017的Best，创新点就是Focal Loss了，其主要贡献就是解决了one-stage算法中正负样本的比例严重失衡的问题，不需要改变网络结构，只需要改变损失函数就可以获得很好的效果。原论文地址：https://arxiv.org/pdf/1708.02002.pdf网络结构：由上图可以看出结构比较简单，基础网络使用的是Resnet，然后在不同尺度的featur

简介：YOLOv4 （2020.4.23）发布还不到 2 个月，很多人都没来及仔细看。。。突然 YOLOv5 （2020.6.10）又双叕来了。。。YOLOv5的大小仅有 27 MB，而使用 darknet 架构的 YOLOv4 有 244 MB，对比之下小了近 90%，同时在准确度方面又与 YOLOv4 基准相当。Github地址：https://github.com/ultralytics/yolov5作者给的算法性能如下图：网络结构:改编自知乎大佬的一张图：创新点：1、Input：

简介在前面已经介绍了很多目标检测算法，特别是R-CNN为代表两阶段算法系列。但是两阶段算法的速度太慢是一个不容忽视的问题，对于实时性要求很高的场景非常致命。而YOLO——you only look one的诞生就是为了解决识别速度的问题，它直接在输出层回归bounding box的位置和bounding box所属类别，从而实现one-stage。原论文地址：https://arxiv.org/pdf/1804.02767.pdfYOLOv3的前世今生YOLOv1 (2015,CVPR)：主干网

简介：随着深度学习的发展，目前已经出现了很多算法（或者训练技巧，tricks）来提升神经网络的准确率。在实际测试中评价一个算法的好坏优劣主要看两点，一是能否在大规模的数据集中起作用（work），二是是否有理论依据。...

实验简介  AWS CLI 是一个在AWS SDK for Python (Boto) 之上构建的开源工具，可提供与AWS 服务交互的命令。仅需最小的配置，就可以从终端程序开始使用AWS 管理控制台提供的所有功能。  •Linux shell–使用常见的shell程序(如Bash、Zsh和tsch)在Linux,OSX, orUnix中运行命令。  •Windows命令行–在Microsoft Windows上，在PowerShell或Windows命令处理程序中运行命令。  •远程–通过远程终端(

笔者在软件协同课上摸鱼时学会了用markdown画甘特图。甘特图，可以很清晰地将整个项目的规划非常清晰的展现出来，便于项目成员明确项目进度与时间安排，**有效避免组员以不清楚项目时间规划为由鸽项目进度**。

问题如下：在controller中只能返回相应的内容到相应页面上，那么处理数据库中没有的数据时，只能通过工具类来进行调用。即，我想在工具类中查数据库的数据，对数据进一步的处理。查了很多博客，发现了一些坑。以下只为下次使用时避免跳坑里：结合我本次项目中一些内容来说明：数据库中对应的bean对象：Card.javaimport java.io.Serializable;//Serializable表示对字段序列化public class Card implements Serializable

这里写自定义目录标题gitee（码云）下载（克隆）文件idea导入gitee下载的文件项目的具体配置tomcat的配置tomcat的deployment设置gitee（码云）下载（克隆）文件在码云的仓库中，选择下载或者克隆，就会复制项目文件的url地址，想要下载文件，需要本地安装gitee，gitee的相关下载和上传文件，可参考廖雪峰的教学，百度即可。在磁盘空间新建一个文件夹，右键git push here，会跳出命令框，输入git clone 加上（url）。这样项目文件就会下载到本地。idea导

《数据库系统概论》第五版(笔记）——第一章 绪论