Query的博客

cvpr2017EAST: An Efficient and Accurate Scene Text Detector论文地址：https://arxiv.org/pdf/1704.03155.pdf翻译地址：https://blog.csdn.net/qq_39707285/article/details/103726171cvpr2018Multi-Oriented Scene Text Detection via Corner Localization and Region Segmenta

转载：原文地址：https://blog.csdn.net/m0_38007695/article/details/100133117 文本检测综述（2017 ～ 2021 持续更新） 置顶

IoU 作为目标检测算法性能 mAP 计算的一个非常重要的函数。但纵观 IoU 计算的介绍知识，都是直接给出代码，给出计算方法，没有人彻底地分析过其中的逻辑，故本人书写该篇博客来介绍下其中的逻辑。1. IoU的简介及原理解析IoU 的全称为交并比（Intersection over Union），通过这个名称我们大概可以猜到 IoU 的计算方法。IoU 计算的是 “预测的边框” 和 “真实的边框” 的交集和并集的比值。开始计算之前，我们首先进行分析下交集和并集到底应该怎么计算：我们首先需要计算交集

今天使用opencv运行一个脚本，但是出现cv2.cv.BoxPoints()函数有错，提示’module’ object has no attribute ‘cv’ 的错误，找了一些帖，发现最多的解决方法就是说“这是因为opencv3已经没有了cv，只能重新下载opencv2 ; ”，我就纳闷了，有新的版本不用，为什么还要下载旧的版本。有的更是建议“from cv2 import cv as cv”这是开玩笑吧，根本不起作用，根本原因就是版本不支持。但是我只是想用这个函数来找出坐标而已，重新下载一个ope

1.apt-get update2.apt-get -y upgrade3.pip install python-opencv4.apt-get install python-tk5.apt-get install python-opencv -y --allow-unauthenticated

原文链接：https://blog.csdn.net/polyhedronx/article/details/94476824一、引言前一篇博文使用单隐层的全连接神经网络，并结合一些神经网络的优化策略，如指数衰减学习率、正则化、Relu激活函数和Adam优化算法等，用包含100个隐层神经元的神经网络实现了MNIST数据集上手写数字识别98%的准确率。但是全连接神经网络也是有局限的，即使使用很深的网络、很多的隐层结点、很大的迭代轮数，也很难在MNIST数据集上得到99%以上的准确率。不过，卷积神经网络的出