ronghuaiyang

以监控摄像头数据集的人体检测模型为例，说明了如何通过对数据的理解来逐步提升模型的效果，不对模型做任何改动，将mAP从0.46提升到了0.79。

通过使用预训练网络在遥感图像应用中减少对标注数据的需求。 深度学习是一个了不起的方法，用于遥感数据集，如卫星或航空照片的目标检测和分割/匹配。

Batch Normalization确实是深度学习领域的重大突破之一，也是近年来研究人员讨论的热点之一。

我们知道，视觉分类任务指创建一个模型来捕获从输入图像到相应输出类的关系。然而，FGVC的任务和普通的分类不太一样，因为类内差异比类间差异更多。

只有在我们拥有大量计算资源的情况下，我们才能够在最近的过去试验和充分利用深度学习的潜力。但是，我们是否已经足够好地使用了我们的计算资源呢？我们能做得更好吗？

使用CBAM加持的MobileNetV1，ResNeXt&ResNet，WRN优于使用SENet的网络。

使用数学，代码和数据来揭示大自然的秘密。 自律和自学这两个词不能掉以轻心。一个人必须对自己的教育和启蒙负责。如果你忽略它，别人就会为你做选择。

在今天的文章中，我们将深入研究视频目标跟踪。我们从基础开始，了解目标跟踪的需求，然后了解视觉目标跟踪的挑战和算法模型，最后，我们将介绍最流行的基于深度学习的目标跟踪方法。

旋转框相比矩形框可以更好的拟合物体，同时标注起来比分割要方便的多，使用来自NVIDIA的ODTK可以方便的训练，实施和部署旋转框物体检测模型，同时具备多种扩展功能。