zidea

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第3天，点击查看活动详情 前言 自己作为 SLAM 技术的门外汉，许多知识点还是停留在表面，在分享中可能会有一些偏差，希望大家多多指

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第2天，点击查看活动详情 前言 之前也参加过更文挑战的活动，自己本人对这个活动还是挺喜欢的，督促自己每天都去学点东西、或者整理点东西

前言 YOLO 是 You Only Look Once 是一个基于神经网络设计用于目标检测的模型，可以检测图像中存在多个目标。给出目标类别同时还用一个边界框将目标位置和大小表示出来。 关于 YOLO

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第1天，点击查看活动详情 最近我被 SLAM 这门技术深深所吸引，从开始好奇到今天的沉迷，已经到了不能自拔的地步。通过一段时间的学习

PRC(Precision-Recall Curve) 之前在做分类时候接触过 ROC，今天来介绍一个用于目标检测的评估标准曲线 PRC。我们知道在判定 其实 AP(Average precision

前言 在深度学习学习过程，学习理论和读懂源码都是同等重要的，之前看了许多 paper，也积累了许多理论知识，不过当真的要落实到代码上，还是无从下手，还是停留在用的层面上。最近自由时间比较多，所以也想静

我们在做目标检测时，关心的就是模型输出的边界框中目标类别是否正确，以及边界框位置是否正确。 什么是 IoU 召回率和精准率在语义分割和目标识别中是如何计算的 会附有 IoU 和 mAP 的代码实现 I

损失函数设计的重要性可想而知，设计出一个好的目标函数，不但可以训练出一个更精准的模型，同时可以加快模型模型训练。在接触目标检测之初，对于自己一个不小的挑战就是理解损失函数，这部分内容比较繁琐。我们来简

前言 动机 很多朋友看到这里，会觉得现在是什么年代了，还在聊 YOLOv1 的实现。的确最近刚刚看到 YOLOv7 已经出现了，还没有时间去看。之前自己也是一路追新的模型，新的框架，不断尝新。不过最近