重叠度（IOU，intersection over union，边框的交集）:
目标检测是定位出待检测目标的边界框bounding box，就像图片中一样，不仅需要定位出车辆的边界框bounding box， 还要识别出边界框bounding box 里面的物体就是车辆。
对于边界框bounding box的定位精度，有一个很重要的概念： 因为我们算法不可能百分百跟人工标注的数据完全匹配，因此就存在一个定位精度评价公式：IOU，
IOU 它定义了两个边界框bounding box的重叠度，即矩形框A、B的重叠面积占A、B并集的面积比例。
（矩形框A可以看作人工标注的bounding box，矩形框B可以看作目标检测算法预测的bounding box)
看到一篇 blog 对检测做了一个总结、收集，强烈推荐： [Object Detection][] [Object Detection]: https://handong1
https://pan.baidu.com/s/1gu4-kfZHD4libN2PJ9\_nTg 1234 https://tensorflow-object-de
转自：https://handong1587.github.io/deep\_learning/2015/10/09/object-detection.html Jump t
最近工作需要折腾 tensorflow， 学会图片分类后开始折腾物体检测。 感谢前人的工作，现在把物体检跑起来还是比较容易的，但优化就不容易了。 Tensorflow在更新1
awesome-object-detection This is a list of awesome articles about object detection.
（1）在你的Anaconda3安装路径 /Anaconda3/Lib/site-packages 下新建一个 tensorflow\_model.pth 文件 （我这里的
重叠度（IOU，intersection over union，边框的交集）: 目标检测是定位出待检测目标的边界框bounding box，就像图片中一样，不仅需要定位出车辆
1. 前言 目前基于CNN的目标检测器是依赖于边界框回归与非极大值抑制去定位目标。但是预测框的分类反映的是分类的置信度，并不能反应定位的置信度，这就会掉之预测框在回归的过
在卷积神经网络中，感受野的定义是：卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。 [论文列表链接][Link 1]
转自：[https://blog.csdn.net/u014380165/article/details/80779432][https_blog.csdn.net_u0143
矫情吗；*
今天药忘吃喽~
柔情只为你懂
还没有评论，来说两句吧...