风吹斜刘海

[docker安装教程](https://docs.docker.com/engine/install/ubuntu/) 设置docker国内源 [目前国内可用docker源汇总](https://w

本文将检测变为一个regression problem（回归问题），YOLO 从输入的图像，仅仅经过一个神经网络，直接得到一些bounding box以及每个bounding box所属类别的概率。

归纳偏置 利用一些假设对模型做一定的约束，比如CNN中假设数据的特征具有局部空间性，可以用滑动卷积共享权重的方式来提取图像特征。这些假设有助于他在小规模数据集上就能训练出不错的效果。而ViT则缺乏CN

论文地址 MobileViT网络是由苹果公司提出的，将CNN和ViT的优势相结合，提高了在移动视觉任务中的性能。 以往的研究主要集中在轻量卷积神经网络和自注意力ViTs，其中CNN具有局部感知性，参数

CBAM是由通道注意力机制和空间注意力机制组成。 空间注意力可使神经网络更加关注图像中对分类起决定作用的像素区域而忽略无关紧要的区域，通道注意力则用于处理特征图通道的分配关系，同时对两个维度进行注意力

CA的优势 不仅考虑了通道信息，还考虑了方向相关的位置信息 足够的灵活和轻量，能够简单的插入到轻量级网络的核心模块中 可以作为预训练模型用于多种任务中，如检测和分割，均有不错的性能提升 成功加入了CA

1. 添加步骤 1.1 models/common.py 加入新增的网络结构 1.2 在models/yolo.py注册组件 1.3 models/yolov5_xxx.yaml 新建一个文件夹，修改

train/box_loss： train/obj_loss： train/cls_loss： metric/precison：准确率（找对的/找到的） metrics/recall：召回率（找对的/

配置服务器环境 ~/.ssh/config 根据平台提供的信息，提前写好~/.ssh/config文件 配置vim，tmux 安装vim、tmux 上传本地的vim和tmux配置文件 上传项目代码 安