基於two-stage 的目標檢測和基於 one-stage 的目標檢測；其中two-stage 的目標檢測速度，但準確率低；two-stage 的目標檢測速度慢但準確率高，但是目前主要用的還是two-stage 的目標檢測。
樣本包括哪些類別呢？
正樣本（標籤區域內的部分）、負樣本（標籤區域之外的區域，即影象背景部分）
易分正樣本（容易分類的正樣本）、易分負樣本（容易分類的負樣本）
難分正樣本、難分負樣本
樣本不平衡問題？
正負樣本不均衡（正負樣本比例達到 1:1000）和難易樣本不均衡（簡單樣本主導 loss）
處理方法？
資料上面使用:
1、正樣本增強，資料進行重取樣，乙個batch裡面將正負樣本五五分開；
2、損失上面加權交叉熵，focal loss，難樣本挖掘，標籤平滑等方式；
3、用正樣本搜圖，gan生成（絕招）。
目標檢測網路 YOLO V4（一）
最近，yolo v4的開源掀起了一波熱潮，根據給出的資料yolo v4實現了速度和精度的雙向突破，吊打了一系列的目標檢測網路。因此，考慮後續感測器融合的目標跟蹤研究的需要，研究yolo v4是不可或缺的部分，並且先學習github中的開源demo，再研究該網路的原理。1.基於linux下執行，首先執...
Pytorch yolov4做目標檢測詳細教程
四.原始碼分析 五.參考文章 以下是我工程的環境 基於ubuntu18.04 環境版本 python 3.6pytorch 1.5.0 注釋 環境主要是pytorch環境，而且庫很好安裝，缺少什麼庫就安裝什麼庫，這個很簡單 連線 專案連線 資料目錄展示 3.1.2資料增強和路徑配置 注釋 資料增強和...
目標檢測 yoolov4資料前處理
1.資料增強 基於影象的深度學習演算法，通常需要資料增強，比較常規的就是翻轉，旋轉，影象裁剪 在目標檢測中，對進行變換，還會涉及到框的變化，尤其時對影象進行resize成相同大小時，需要對框進行相應的縮放 1.1讀取影象 讀取框 目標位置 image image.open line 0 box np...