万俟淋曦

优化器 管理并更新模型中的可学习参数的值，使得模型输出更接近真实标签。 初始化函数 基本方法： Tips： 优化器通过地址管理参数，节省内存消耗 学习率（learning rate） 学习率过大会梯度

损失函数 损失函数（loss）：$Loss=f(\hat{y}, y)$ ，衡量模型输出与真实标签的差异，针对一个样本。 代价函数（cost）：$Coss=\frac{1}{N}\sum_i^Nf(\

一、什么是数据集? 由数据样本组成的集合。 样本之间是独立的（不依赖其他样本），单个样本拿出来仍然可以称为此目标的样本。 （最好）没有必然联系（除目标外），比如飞机和蓝天，如果数据集中的飞机都出现在蓝

技术不重要，而是思想。 原则：让训练集与测试集更接近 关于名称： 数据增强、数据扩增、数据增广 都是他。 方法分类： 空间位置：如平移 色彩：如灰度图、色彩抖动 形状：如放射变换 上下文场景：如遮挡、

先看看效果对比 YOLOv4 的运行速度是 EfficientDet 的两倍。使 YOLOv3 的 AP 和 FPS 分别提高 $10%$ 和 $12%$，达到 $43.5％$ AP 和 $65$ F

一、概览 论文地址：https://arxiv.org/ftp/arxiv/papers/2003/2003.09644.pdf 代码下载：https://github.com/charlesq34/

一、概览 论文地址：https://arxiv.org/pdf/1612.00593.pdf 代码下载：https://github.com/charlesq34/pointnet 论文框架： 研究目

一、概览 论文地址：https://arxiv.org/abs/1901.04780 代码地址：https://github.com/j96w/DenseFusion 论文框架： 研究目的： 在混乱场

零、来看看官网的简介 Darknet官网 Darknet: Open Source Neural Networks in C. Darknet is an open source neural net