瀏覽到某博主關於參賽經歷的文章，原文請檢視
以下為個人思考：
深度學習和目標檢測大家都了解，針對「水下」目標，從資料處理到訓練可以有各種各樣的方法來提高效果或效率。
一、資料預處理
對影象資料進行預處理，能改善其特徵，影響目標檢測的效果。例如資料增強randombrightnesscontrast、clane、iaaaemboss和iaasharpen，能在紋理、邊緣或泛化能力上提公升。
二、資料集處理
資料集往往存在樣本不平衡，數量少，魯棒性差等問題。為此，可以通過如影象金字塔，隨機翻轉等改善不平衡和數量少的問題。通過mixup、模糊等為模型訓練增加難度的方式提高魯棒性。
三、模型選取與訓練
模型是核心，one-stage和two-stage模型各有優缺點，至於選取何種模型應根據樣本和目的做決定，畢竟樣本是影響模型的根基。另外，模型的訓練方法也會影響模型的質量。例如通過多尺度訓練、單樣本訓練等方法可以改善訓練效果，或新增如soft-nms、ohem等trick也可以達到此目的。
基於深度學習的目標檢測綜述
目前主流的目標檢測演算法主要是基於深度學習模型，其可以分成兩大類 1 two stage檢測演算法，其將檢測問題劃分為兩個階段，首先產生候選區域 region proposals 然後對候選區域分類 一般還需要對位置精修 這類演算法的典型代表是基於region proposal的r cnn系演算法，...
深度學習目標檢測
流程狂徒如下 1 使用selective search提取proposes，然後利用cnn等識別技術進行分類。2 使用識別庫進行預訓練，而後用檢測庫調優引數。3 使用svm代替了cnn網路中最後的softmax，同時用cnn輸出的4096維向量進行bounding box回歸。4 流程前兩個步驟 候...
基於深度學習的目標檢測演算法 SSD
ssd single shot multibox detector 問題引入 目前，常見的目標檢測演算法，如faster r cnn，存在著速度慢的缺點。該 提出的ssd方法，不僅提高了速度，而且提高了準確度。ssd 該 的核心思想 該 的主要貢獻 1.提出了ssd目標檢測方法，在速度上，比之前最快...