Eason_Sun

FCOS的paper是《FCOS: Fully Convolutional One-Stage Object Detection》，它基本是Anchor Free的SOTA，本文对FCOS进行详解。

PBA在AutoAugment的基础上用augmentation schedule的搜索替代了policy的搜索，同时改进了搜索算法，使用进化算法来搜索，大大提升了搜索的效率。

数据增强是各类计算机视觉任务经常使用的trick，数据增强策略能够使图像产生变换，使有限的数据能产生更多的价值。本文主要详细介绍数据增强策略自动寻优的开山之作AutoAugment，自动搜索增强策略。

目标检测领域普遍one-stage算法准确率不如以Faster RCNN为代表的two-stage算法。RetinaNet认为主要原因是样本不均衡，提出了focal loss来解决这个问题。

在目标检测的发展历程中，Two-stage算法一直没有引入多尺度特征方法。后来的SSD算法证明了引入多尺度特征到目标检测的有效性，在FPN中Two-stage算法引入了多尺度，提出了特征金字塔网络。

softmax定义 softmax的中文名是指数归一化，常用于多分类模型。许多同学对softmax的原理比较困惑，本文从数学原理角度讲解softmax，数值稳定方法，与交叉熵的关系等。

本文主要讲当前目标检测算法中回归框损失函数的迭代发展、原理及代码实现，一文就能吃透目标检测回归框损失函数。内容包括Smooth L1、L2、IoU、GIoU、DIoU、CIoU Loss等。

图像的仿射变换经常用于计算机视觉的数据增强中，我们说的仿射变换指的是刚体变换，即两条平行的线经过仿射变换之后还是平行的，而透视变换就不是刚体变换。本文主要介绍仿射变换的原理和代码。

本文主要介绍YOLOv3的算法原理和改进策略，YOLOv3在精度和速度上在2018年都达到了sota的程度，经过一系列小改动，YOLOv3的准确率获得了较大程度的提升。