Zenith Hugh

摘要： 1. https://distill.pub/ 一个杂志的网站，感觉图画的不错 2. https://theaisummer.com/about/ 一个免费学习的网站 3. http://giantpandacv.com/academic/超分和GAN/ 一个学习网站，很全，很棒 4. 知乎 分享一 阅读全文

摘要： 1. 论文和代码 1.0. DEX: Deep EXpectation of apparent age from a single image paper: https://www.cv-foundation.org/openaccess/content_iccv_2015_workshops/w1 阅读全文

摘要： https://blog.csdn.net/m0_38007695/article/details/88954699 主要通过 kill 终止下进程 fuser -v /dev/nvidia* sudo kill -9 pid 阅读全文

摘要： 1. cv.imshow 错误 本文平台 windows 报错信息： cv2.imshow('imshow', img) ) The function is not implemented. Rebuild the library with Windows, GTK+ 2.x or Cocoa su 阅读全文

摘要： 方案路线： 方案1： 使用 YOLO 检测人和猫狗，对检测到的人使用 Retinaface 检测人脸并做人脸对齐，扩大人脸面积40%，使用分类网络对人脸进行性别和年龄检测。 缺点：方案复杂，可能会累计误差，部署时候需要 3 个模型（YOLO、Retinaface 和 分类模型）。 优点：数据更易获取 阅读全文

摘要： 原始题目：FCOS: Fully Convolutional One-Stage Object Detection 中文翻译：FCOS: 全卷积 One-Stage 目标检测 发表时间：2019年4月2日 平台：arXiv 来源： 澳大利亚 阿德莱德大学 文章链接：https://arxiv.org 阅读全文

摘要： 本文定义的类别不平衡问题：在图像分类问题中，不同类别的图像的个数不同，并且差异较大。在目标检测问题中，目标类别的个数区别较大。这都是类别不平衡问题。 原理： 当训练图像的所有 类个数不相同 时, 我们可以更改 类权重 , 即而达到更改 图像权重 的目的。然后根据 图像权重 重新采集数据，这在图像类别 阅读全文

摘要： 笔记来源：https://www.bilibili.com/video/BV1jo4y1D7CF/?vd_source=2ed6e8af02f9ba8cb90b90e99bd4ccee 近年来，目标检测的工程应用研究中，YOLO系列以快速响应、高精度、结构简单以及容易部署的特点备受工程研究人员的青睐 阅读全文

摘要： COCO cat + dog 训练集 + 验证集 图片总计 5850 张。 训练集： img_count: 5598，cat_count: 3914， dog_count: 2795 验证集： img_count: 252， cat_count: 175， dog_count: 125 import 阅读全文

摘要： 参考链接： https://blog.csdn.net/weixin_43745234/article/details/121561217 YOLOv5 与 YOLOv7 输出的混淆矩阵，其中每一列表示该列的真实标签，被分类到其他类的概率，这里进行了归一化。Recall 定义是：所有真实 Posit 阅读全文