Searching for MobileNetV3
本文字数：
2.9k
阅读时长 ≈
5 分钟
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
本文字数：
3.9k
阅读时长 ≈
7 分钟
[OKR]2020年6月份
本文字数：
728
阅读时长 ≈
1 分钟
5月份实现了SSD和Faster R-CNN算法，同时解析了基于MaskRCNN-benchmark的目标检测框架，另外学习了cocoapi的使用，最后学习了YOLOv2算法
本周继续YOLOv2算法的实现，同时期待能够找到新工作
[YOLO][k-means聚类]寻找锚点
本文字数：
4.5k
阅读时长 ≈
8 分钟
YOLOv2在YOLO的基础上进行了很多的调整，其中一个就是设置锚点框。相对于Faster R-CNN/SSD通过人工方式设置锚点的尺度和长宽比，YOLOv2提出了通过k-means聚类的方式自动计算出锚点的大小
k-means聚类算法
本文字数：
3.3k
阅读时长 ≈
6 分钟
分类 vs. 聚类
分类：类别是已知的，通过对已知分类的数据进行训练和学习，找到这些不同类别的特征，再对未分类的数据进行分类。属于有监督学习（有标签） 聚类：事先不知道数据会分为几类，通过聚类分析将数据聚合成几个群体。聚类不需要对数据进行训练和学习。属于无监督学习（无标签）
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
本文字数：
4.4k
阅读时长 ≈
8 分钟
[数据集][COCO]目标检测任务评估
本文字数：
5.7k
阅读时长 ≈
10 分钟
Image Localization Dataset是一个目标检测数据集，其标注文件使用了PASCAL VOC定义的格式，将其转换成COCO格式
[数据集]voc2coco及cocoapi使用
本文字数：
1.5k
阅读时长 ≈
3 分钟
[数据集][COCO]目标检测任务
本文字数：
741
阅读时长 ≈
1 分钟
介绍COCO目标检测任务以及评价标准
目标检测任务
COCO将目标检测任务分为两个部分：
- 边界框检测
- 目标分割检测，也称为实例分割
用于目标检测任务的训练/测试/验证数据集拥有超过20万张图像，共80个类别。其中，在训练和验证数据集上的标注超过了50万个