lppfwl的博客

ResNet是由2015年的论文：Deep Residual Learning for Image Recognition提出，现在在深度学习网络中应用越来越广泛。ResNet提出背景就是深层神经网络训练困难的问题，究其原因主要是因为梯度消失/爆炸，导致模型难以收敛，尽管batch normalization的使用可以使几十层的网络使用SGD算法训练收敛，但是更深的网络就没办法了。就算能收敛，也还是存在模型性能退化的问题，模型误差不降反升。为了解决这个问题，论文作者提出残差结构，让网络不去直接拟合目

目标检测中的AP计算最近在学习目标检测，对模型评价指标AP的计算过程有点疑问，经过查找资料、问师兄，最终算是有了一个相对明确的了解，特此记录一下，方便以后查看,不足之处还请大家批评指正！AP(average precision)是目标检测论文中广泛使用的模型评价指标，VOC的AP计算方法在2010年的时候发生过一次更改，现在常用的是2010年之后更改的AP计算方法，该计算方法相比于之前也更为合理，本文的AP计算也是2010年之后的计算方法。官方的定义如下：（图片源自博客https://blog.cs