摘要：3.1 目标定位输入：图像 x*y输出：y=[pc, bx, by, bw, bh, c1, c2, c3]（pc的值域是0或1，表示这个位置有无目标，bx、by表示框的中心位置，bw、bh表示长和宽，c1~c3表示目标的类别，值域也是0和1） loss=∑ （y1-y1'）^2 3.2 特征点检测 阅读全文

摘要：14年由MSRA的何凯明的Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition提出 这个方法主要有两个优点: (1) 输入可以是任意大小；（2）精度和速度提高 此外，多层次提取特征还增强了网络的鲁棒 阅读全文

摘要：1. precision=TP/(TP+FP) 2. recall=TP/(TP+FN) 3. IoU=(TP+TN)/(TP+TN+FP+FN) 4. mAP(mean average precision)=所有类别的平均精度之和/类别数目 阅读全文

摘要：keras.backend.set_learning_phase(0) # train mode keras.backend.set_learning_phase(1) # predict mode 之所以这么区分，是因为某些层在预测和训练时不同 阅读全文

摘要：我的环境: win10, 1080ti, cuda=8.0, cudnn=6.0, keras=2.1.2, tensorflow-gpu=1.3 这几天弄这个问题搞得头都大了，重装过显卡驱动，cuda, cudnn各种版本都试了，网上也找不到有效的解决办法。 最后因为在别的win10电脑上程序可以 阅读全文