itlilyer的博客

IoU(Intersection over Union)：交并比，在SSD的论文中也叫Jaccard Overlap，是一个意思。从字面意思上看是交集和并集的比值。计算方式如下图所示：IoU在目标检测算法中计算mAP的重要函数，通过计算预测值与真值框的IoU，并与一个阈值进行比较来确定预测框的正确性。...

刚开始看到anchor和Proposal的时候有一些细节搞不清楚，在这里记录一下。anchor是Proposal的基础，现有anchor以后，从 anchor中根据条件选择出来的就可以作为Proposal了(具体的筛选过程这里先不细讲了，后面单独写一篇RPN的文章介绍，主要有NMS、二分类、偏移)。Proposal后面再经过RoIPooling就可以做分类和回归了。拷贝的图片，侵删下面先介绍一下anchor的生成过程。anchor概念anchor(锚)：个人理解是基于一个中心点创建出的几种大小

模型量化模型量化: 指为了达到减小模型大小、减小推理时内存占用和加快模型的推理速度等目的，将训练得到的连续取值的浮点数类型的权重转换为整形存储(一般值int8)。**为什么需要量化: ** 随着深度学习的发展，模型变得越来越庞大，这就非常不利于将模型应用到一些低成本的嵌入式系统的情况。为了解决该问题，模型量化应运而生。目的就是在损失少量精度的情况下对模型进行压缩，使模型可以应用到像手机、摄像头、机器人等嵌入设备中。...

本文主要介绍常见的几种卷积的概念和计算方法，主要包括：卷积、空洞卷积、深度卷积、逐点卷积、空间可分离卷积、深度可分离卷积。卷积（convolution）讨论卷积之前先介绍一下相关的概念：卷积核卷积核(convolution kernel)：也叫滤波器(Filter)，就是一个nxn的矩阵，矩阵的成员就是我们要训练的权重值，整个图片使用一个卷积核这也就实现了共享权重。卷积核的值不需要提前设计，只需要初始化，然后通过训练进行优化，这也就是模型训练要做的事情。padding填充为了避免一些边界上的值在

fine-tuning强化学习迁移学习