一些基础知识需要掌握:
1.Histogram of Gradient(HOG)特征
参考链接:https://blog.csdn.net/zhanghenan123/article/details/80853523
2.图像金字塔
参考链接:https://www.jianshu.com/p/e3570a9216a6
3.特征金字塔
参考链接:https://www.cnblogs.com/majiale/p/9296449.html
4.Selective Search
参考链接:http://jermmy.xyz/2017/05/04/2017-5-4-paper-notes-selective-search/
5.边框回归(Bounding Box Regression)
参考链接:https://blog.csdn.net/zijin0802034/article/details/77685438/
6.IOU
参考链接:https://blog.csdn.net/u014061630/article/details/82818112
7.词袋模型和空间金字塔模型
参考链接:https://blog.csdn.net/wei_guo_xd/article/details/52983635
8.非极大值抑制
参考链接:https://www.cnblogs.com/makefile/p/nms.html
9.局部响应归一化
参考链接:https://blog.csdn.net/mao_xiao_feng/article/details/53488271
10.为什么要做归一化
参考链接:https://blog.csdn.net/zxyhhjs2017/article/details/79152426
11.归一化方法:
参考链接:https://blog.csdn.net/u013289254/article/details/99690730
12.tensorflow有一些高层封装
参考链接:https://blog.csdn.net/jliang3/article/details/88368665
13.使用batch_size应该注意什么
参考链接:https://blog.csdn.net/qq_34886403/article/details/82558399
14.卷积核为什么通常是奇数
参考链接:https://blog.csdn.net/jningwei/article/details/80068781
15.数据增强有哪几种?
参考链接https://blog.csdn.net/mzpmzk/article/details/80039481
16.各种优化器的比较:
参考链接:https://blog.csdn.net/weixin_40170902/article/details/80092628
17.各种目标函数(损失函数的解释)
参考链接:https://blog.csdn.net/u010995990/article/details/79739887?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-5&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-5
18.各种模型评价指标例如准确率,召回率等
参考链接:https://blog.csdn.net/qiu931110/article/details/80197754;
https://www.cnblogs.com/skyfsm/p/8467613.html
19.多任务和端到端学习
参考链接:
https://www.cnblogs.com/chay/articles/10684285.html
20.处理深度学习中数据集不平衡问题方法汇总
参考链接:
https://blog.csdn.net/meccaendless/article/details/8709225
https://blog.csdn.net/maweifei/article/details/848706384
关于行为识别
1.图卷积GCN:
参考链接:https://zhuanlan.zhihu.com/p/89503068
关于目标检测:
1.One-stage和Two-stage方法的详解
参考链接:https://blog.csdn.net/gaoyu1253401563/article/details/86485851
2.目标检测论文综述
参考链接:
https://blog.csdn.net/maweifei/article/details/81058393
机器学习:
1.Python sklearn机器学习各种评价指标——Sklearn.metrics
参考链接:
https://blog.csdn.net/Yqq19950707/article/details/90169913
2.机器学习之分类问题的评估指标—准确率、精确率、召回率以及F1值
参考链接:
https://blog.csdn.net/weixin_41650458/article/details/82555775
https://blog.csdn.net/weixin_41650458/article/details/82559297