她的妈妈爱上我的博客

目标检测网络的评价指标mAP前言项目介绍知识学习1 IoU2 混淆矩阵（TP、TN、FP、FN）3 Precision（精确度） 和 Recall（召回率）4 关于上面的一个例子5 PR曲线绘制前言如何对不同的模型网络进行评估？这时候就对检测的模型进行分类二了，当检测模型只对单一目标进行检测，例如人脸识别，这时候用到的就是AP指标；当检测模型对多个目标进行分类时，例如模型对VOC数据集进行多分类（>1）时，此时用到的评价指标就是mAP，mAP就是所有不同类的AP值求平均。那么AP到底是什么，m

pytorch环境配置1 CUDA&Cudnn安装cuda和Cudnn作为系统层面工具，我参考的是这篇博客进行安装的，我的配置是Win10，RXT2060显卡（1）CUDA版本是10.0，CUDA安装官网，需要用邮件注册一下才能下载哦！（2）Cudnn版本为7.4.15Cudnn官网直接下载就行。安装完成后，解压cudnn之后，将cudnn里的（1）bin（2）include（3）lib提供的文件复制进cuda的安装目录，例如C:\Program Files\NVIDIA GPU

深度学习网络的发展概述CNNR-CNNFast R-CNNFaster R-CNNYOLO/SSD1 CNN诞生相比较于传统的HOG+SVM方法而言是一种新的方法，用来识别目标，例如用来识别MNIST数据集，有不错的成绩基本思想局部感受野、权值共享、池化、滤波器、损失函数、特征提取解决的问题完成了图片的分类任务2 R-CNN诞生在神经网络训练之前加入建议候选框（region proposal）层，所以新的网络被分为两个部分：候选框+神经网络基本思想region prop

Mask RCNN学习笔记1 Mask RCNN开篇前的几个问题1.1 Mask RCNN 沿用思想&Faster RCNN中暴露的问题1.2 FPN层1.3 Mask分支1.4 ROI Align1.5 全卷积层（FCN）和CNN网络里的全连接层1.6 语义分割与实例分割的区别1.7 Mask RCNN 数据集的标注问题2 网络整体结构2.1 ResNet-FPN 处理流程说明2.2 ResNet-FPN + RPN2.3 ResNet-FPN + RPN + Faster RCNN + M

Faster R-CNN整体流程0.1 Faster R-CNN整体流程图0.2 RPN层流程图开始之前的关键词1 RPN层出现的关键词1.1 分类与回归1.2 进入RPN层之前的两个1x1卷积1.3 Reshape layer1.4 Softmax1.5 Proposal layer1.6 RoI Pooling0.1 Faster R-CNN整体流程图0.2 RPN层流程图开始之前的关键词对于关键词，大可挑选自己不懂的地方看，并不需要全看所有的介绍。1 RPN层出现的关键词1.1 分类