摘要：
本系列主要记录在做算法模型训练过程中一些列用到的技术。 对于我一个非算法科班出生的人来说，训练模型需要学习和积累的知识非常多。公认的高效的学习模式就是搭建自己的知识体系并形成输出，学习某一个知识点之后动手实现，然后记录下来，整理出总结性文章。不断构建自己的知识树，最终形成自己的体系。 voc数据集转 阅读全文
摘要：
目前在全力开发一个模型训练相关的开源项目，该项目技术栈相当丰富，而且各种技术都是比较新，所以本系列拆解该开源项目的技术。 阅读全文
摘要：
Python语言虽然一直被认为是执行速度慢的语言，但是在互联网公司中却也拥有一席之地。python优势在于方便高效的库和简易的语法操作。
那么在互联网公司中python使用什么模块呢快速迭代呢？本系列更新互联网公司中使用python编程的模块、思想、规则等。
欢迎探讨有关与python编程相关的话题，聊模块，聊语法，聊奇巧淫技，也可以聊人生理想。 阅读全文
摘要：
程序员会遇到一种情况，一个bug排查到最后是由一个很小的问题导致的。在昨天的日常搬砖中遇到一个问题，耽搁了我大半天的时间，最后查明原因让我很无语。 阅读全文
摘要：
ByteTrack是字节跳动与2021年10月份公开的一个全新的多目标跟踪算法，原论文是《ByteTrack: Multi-Object Tracking by Associating Every Detection Box》。
ByteTrak的MOTA和FPS等指标上都实现了较好的性能，要优于现有的大多数MOT（多目标追踪）算法。 阅读全文
摘要：
有一天毕业多年的大学同学在班级微信群里问有没有人能帮忙写一段代码实现一个功能。我一看这段描述简直就头大了，程序员都比较害怕这种没有格式的文字，甚至连个换行都没有，说实话多看一眼就感觉莫名烦躁。我也就没敢讲话，即使有同学在群里已经开始点名了，也始终一言不发。 阅读全文
摘要：
模型训练过程中每一轮都会计算P，R，mAP，`mAP@0.5`等数值，本篇分析这些数值的计算过程，分析最核心部分。我的感受是计算的过程比想象的复杂。 阅读全文
摘要：
本书是程序员大牛陈皓的文章汇总，内容包括技术、沟通、工程师文化等，通读之后摘录其中精华部分。开卷有益，能读到摘录部分也会收益，当然最好是去读原文，知识转化效率更高。除本书之外，还有一些他的文章也非常值得阅读，包括程序员如何变现，如何学习英语主题等。 阅读全文
摘要：
本篇是自己学习过程中的记录，使用的数据集比较小，主要是为了代码分析和简单的提点。代码分析的部分在之前的文章中已经总结了，本篇主要是结果分析和提升map的一些尝试，入门阶段，高手请绕行。 阅读全文
摘要：
NMS: 非极大值抑制（Non-Maximum Suppression)，
功能：从大量的预测结果中筛选出得分最高的结果。
思路：NMS的主要思路是通过计算目标框之间的重叠度（即IOU，交并比）来剔除非最佳结果。 阅读全文
摘要：
模型的损失计算包括3个方面，分别是：
1. 定位损失
2. 分类损失
3. 置信度损失
本篇主要讲解yolov5中损失计算的实现，包括损失的逻辑实现，张量操作的细节等。 阅读全文
摘要：
yolov5 正样本可视化，分析正样本筛选3种规则，跨anchor预测，跨网格预测，跨分支预测。 阅读全文
摘要：
正样本全称是anchor正样本，正样本所指的对象是anchor box，即先验框。
先验框：YOLO v2吸收了Faster RCNN的优点，设置了一定数量的预选框，使得模型不需要直接预测物体尺度与坐标，只需要预测先验框到真实物体的偏移，降低了预测难度。 阅读全文