yolox:
map51%
code:
參考：老師團隊新出的**bag of freebies for training object detection neural networks 中，提到了一些在不犧牲模型效能的前提下提公升目標檢測模型的tricks。
這篇**我讀完之後覺得cnn訓練分類任務的優化策略(tricks)這篇博文中解讀的**描述的分類任務中可以執行的優化策略有不少重疊的地方，包括學習率熱身、label smoothing、 cosine learning rate decay等都是可以在目標檢測中使用的tricks，實驗證明這些在分類上的tricks在目標檢測領域也非常有效。
目標檢測演算法優化技巧
這篇 介紹目標檢測演算法的一些優化技巧，目前已經在gluoncv中實現了，整體看下來和之前的那篇影象分類演算法優化技巧的 bag of tricks for image classification with convolutional neural networks 類似。這篇介紹的優化技巧具體而...
目標檢測 目標檢測通用框架總結
目標檢測框架個人總結 以下是筆記中包含的內容 目標檢測網路框架總結 yolov4中有圖 從最開始的神經網路到現在深度更深，模組更多的目標檢測深度學習神經網路，如今大致可以分為two stage detector 典型的為rcnn系列 和 one stage detector 典型為yolo系列 每個...
目標檢測入門 目標檢測基本概念
目標檢測關注影象中特定的物體目標，要求同時獲得這一目標的類別資訊和位置資訊。檢測給出的是對前景和背景的理解，需要從背景中分離出感興趣的目標，並確定這一目標的描述 類別和位置，常用檢測框表示 與影象分類的區別，目標檢測更具難度 影象分類只需要判斷輸入的影象中是否包含感興趣物體，而不需要定位具體位置 如...