百度Paddle学习笔记

注：借鉴整理，仅供自学，侵删

1. nonlocal_stages（Non-local Neural Networks）
   Non-local Neural Networks
   Non-local算法笔记
   non-local Means(非局部均值)降噪算法及快速算法原理与实现
   
2. FPN
   FPN（feature pyramid networks）算法讲解
   
3. CascadeRCNN
   训练时区分正负样本的IOU阈值、检测时IOU阈值
   级联的方式，不再是为了找到hard negatives，而是通过调整bounding boxes，给下一阶段找到一个IoU更高的正样本来训练。SSD等利用hard negatives方法进行优化。即对负样本loss排序，取loss较大的部分
   与Faster-RCNN的区别在于最后的bboxassigner部分。
   网络的默认设置共有4个stage，第一个stage产生RPN，另外三个stage分别设置IOU阈值为[0.5,0.6,0.7]
   Cascade RCNN算法笔记
   一文带你读懂Cascade R-CNN，一个使你的检测更加准确的网络
   Cascade-RCNN算法详解——级联RCNN网络
   
4. RoIpooling和RoIAlign
   RoIPooling、RoIAlign笔记