tangshopping的博客

nanodet概述

nanodet的阅读笔记

一、前言经网友提醒，yolo v2的 passthrough 层与 v5 的 focus 层很像，因为海思是支持 passthrough 层的，鉴于此，花了点时间了解了一下，提出一些浅见，抛砖引玉。二、区别上文我说的是，二者很像，说明它们还是有区别的，现在说说区别。1. passthrough 层出于严谨，结合海思文档图片与 passthrough 源码来一起理解，先看看 passthrough 源码：// 它的源码是 c++ 的，不是 python 格式int reorg_cpu(THFlo

一、前言主要是遇见几个问题，赶紧记录一下，免得后面兄弟们吃同样的亏。二、过程1. 报错：Reshape dimention number shall be 2 or 4仔细看了一下，和我 reshape 处理的数据维度有关，而转换代码里 reshape 最高支持维度数是 4。而我的数据shape 是 (1, 3, H, W, class_num + 5)，这是个五维数组。本来就想在后面加个条件 : len(shape) == 5，又怕出现新的错误，上网找了篇其他的转换代码，点进去看了下，发现

一、SPP-Net算法出现的原因SPP-Net算法的前面一个算法 R-CNN算法，它虽然是个开创性的目标检测算法。但是它的缺点十分明显：① CNN网络后面接的FC层需要固定的输入大小，限制网络的输入大小 ；② 候选区域会塞给CNN网络用于提取特征向量的，这会有大量的重复计算，造成的计算冗余。基于感受野的特征坐标映射1.看其他人博客的时候，他们只是给出下面公式，而公式怎么来的，他们也不清楚...

#一，前言讲的很详细了： https://blog.csdn.net/WoPawn/article/details/52133338 ；这篇是论文翻译： https://blog.csdn.net/v1_vivian/article/details/78599229 。