大海

原文地址：MnasNet: Platform-Aware Neural Architecture Search for Mobile

原文地址：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

对于Jenkins使用，插件的下载和安装一直都是令人头疼的地方。之前陆陆续续的实践过下载源更新以及手动下载/安装插件，但是插件的下载/安装依旧很慢

原文地址：MobileNetV2: Inverted Residuals and Linear Bottlenecks

原文地址：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile

原文地址：Searching for MobileNetV3

原文地址：MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

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

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

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）