摘要：
RoI Pooling 与 RoI Align 都是“把不同大小的候选框（RoI）变成固定尺寸特征图”的操作，但 RoI Pooling 用量化→粗糙对齐，RoI Align 用双线性插值→子像素对齐，后者精度更高，已成为 2025 年检测/分割标配。 下面用“1 张图 + 2 段代码 + 3 个数 阅读全文
posted @ 2025-10-15 17:57
yinghualeihenmei
阅读(10)
评论(0)
推荐(0)
摘要：
Anchor 是“模板框”，RPN 是“用这些模板来打分+修位置的网络”——模板 vs 用模板的人，不是父子，而是前后工序。 1. 关系链（10 秒图） 图像 → Conv Backbone → 特征图 F ↓ AnchorGenerator ← 离线生成模板框（无参数） ↓ RPN Head ← 阅读全文
posted @ 2025-10-15 17:37
yinghualeihenmei
阅读(3)
评论(0)
推荐(0)
摘要：
Backbone（骨干网络）是检测/分割/识别模型的“特征提取器”，负责把原始图像（H×W×3）编码成多尺度、高语义、低噪声的特征图（如 H/4 ~ H/32 的 256/512/1024-d 特征）。一句话：“Backbone 越好，后续检测头越省力。” 下面用“1 张演进图 + 4 条技术线 + 阅读全文
posted @ 2025-10-15 17:27
yinghualeihenmei
阅读(20)
评论(0)
推荐(0)
摘要：
Faster R-CNN 是目标检测领域的 里程碑式两阶段模型（2015），首次把 Region Proposal Network（RPN） 和 检测网络 端到端地联合训练，真正实现了“实时 + 高精度”通用检测框架。下面用“一张总图 + 四条流水线 + 2025 工业落地要点”一次讲清，复制即可用 阅读全文
posted @ 2025-10-15 17:18
yinghualeihenmei
阅读(10)
评论(0)
推荐(0)
摘要：
“多尺度”= 在同一幅图里，把目标当成“大、中、小”三种不同尺寸级别同时看，各用各的放大率/特征图/感受野，避免“大目标占满格子、小目标只有几个像素”造成的漏检或定位不准。 一、为什么必须“多尺度” 表格 复制 现象后果 大目标 占几百像素，高层低分辨率特征图一看就知类别，但低层高分辨率图把它拆成无 阅读全文
posted @ 2025-10-15 11:52
yinghualeihenmei
阅读(10)
评论(0)
推荐(0)
摘要：
“WebService 走 HTTP+SOAP，跨平台却低效；Remoting 走 TCP/二进制，高效但仅限 .NET。二者都已被 WCF → gRPC/WebAPI 取代，如今只出现在遗产系统。 阅读全文
posted @ 2025-10-15 10:38
yinghualeihenmei
阅读(3)
评论(0)
推荐(0)
摘要：
栈（Stack） 是 “CPU 自动管理的临时工作台”，堆（Heap） 是 “程序员申请的大仓库”；前者 随方法进出自动生死，后者 手动 or GC 清理，速度差一个数量级。 栈（Stack） 是 “CPU 自动管理的临时工作台”，堆（Heap） 是 “程序员申请的大仓库”；前者 随方法进出自动生死 阅读全文
posted @ 2025-10-15 09:44
yinghualeihenmei
阅读(8)
评论(0)
推荐(0)
浙公网安备 33010602011771号