我的小天地 ^_^

Spatial Pyramid Pooling，分为三路做maxpooling 然后再做类似残差连接，SPP支持任意大小，不管多大都是划分成一样的网格做maxpooling，是resize或者裁剪的一种替换，SPP相当于是多尺度池化，让模型的鲁棒性更强；CSP的两个分支是在通道方向上进行的一个均分操作，但是在YOLOv4中是采用卷积的方式来实现分离（如下图右半部分所示），v4中的transition使用的是1*1的卷积。添加了缩放因子，常见的scale取2，原始数据范围和带scale的范围如下图曲线所示。

应该怎么理解呢？其实相比较于RCNN系列，YOLO系列没有RPN这种模块了，而是直接输出或者叫做直接回归出来结果，最终的输出是一个特征图，大小为7 * 7 * [ (4+1) * 2 + 20]，这个尺寸又怎么理解呢？7*7是特征图大小，4是bounding box的x,y,w,h，1是confidence，*2的意思是每个pixel地方预测两个bounding box，最后的20代表20个类别得分（如下方网络结构那张图所示）

Lcls​−log0.9)Lcls​−log0.2)Lcls​−log0.91−1∗log1−0.9)]Lcls​−0∗log0.21−0log1−0.2])smoothL1​。

Fast RCNN详解

把下图第一个看成是猫的SVM分类器，第二列看成是狗的SVM分类器，最终的输出如右半部分所示，右半部分一行表示一个框的结果，第一个值表示猫的概率，第二个值表示狗的概率。由于SVM是一个二分类器，所以每一个类别都有一个SVM，需要的中间权值矩阵size为4096*20，最终的输出就是2000*20，每个框都有20个分类器的输出。非极大值抑制，注意非极大值的方法，先将大于阈值的给删除掉，然后对剩下的集合重复操作，直到无法删除为止。对上面右半部分的每一列进行非极大值抑制，只保留下告高质量的框。

为什么想单独做一个目标检测篇，主要是感觉自己是个半吊子，满瓶不响、半瓶晃荡，找工作的过程中，也被很多面试官问到哑口无言，基础真的不扎实，自己非常虚，想好好地、静下心来捋一下，所以跟着B站霹雳吧啦的视频，从头到尾认真对目标检测中的算法来进行梳理。基础一定要扎实，不然就会就会错过。

deepsort集成外观信息来提高SORT的表现可以在长周期的遮挡中追踪物体，有效减少类别身份切换（身份切换IDSwitch，是目标跟踪中比较重要的指标）通过离线的方式在重识别数据集上训练了一个深度关联度量在线的应用中，我们使用视觉外观空间中的近邻查找方法来建立 检测-跟踪 的联系实验结果表明，我们的方法减少45%的身份切换，在高帧率的情况下仍然具有有竞争力的表现。

是为了弥补word2vec的不足，word2vec是采用统一的模式获取每个次的信息，使用的过程中忽略了在不同上下文的重要性，不同的词在不同的上下文中具有不同的重要性，但word2vec做的不好，所以使用self-attension，self-attension针对不同的上下文都做相应的计算，更灵活的获取了上下文信息。分别对应" query,要去查询的；是有半部分图片中的一片，多组是多片，然后concat后利用全连接行程最终的。再做融合降维（参考卷积中的多卷积核），融合可以使用全连接的方式。

训练得到的特征图，并不是所有特征图都重要，另一方面，希望对权重执行策略，体现出权重之间的差异性，最终目的就是获得不同特征图中的，表征了不同特征图的重要性。