zxjiaya的博客

空间归纳偏置，SILU，多头自注意力（Multi-Head Self-Attention），动态上采样，热力图，Pixel Shuffling（像素变换）

YOLO相关知识学习

使用MATLAB读取.ply点云图

LabelImg标注，快捷键和标注闪退BUG

霍夫变换，GAN图像增强，retinex图像金字塔，同态滤波，偏振相机

饱和度，引导滤波，孪生网络，双边滤波，BM3D算法，Zernike矩，GhostNet，深度可分离卷积，CSPdarknet，Soft-NMS

软池化，ghost卷积，超参数化卷积，注意力机制，csp，letterBox

整理了有关二维熵，尺度分解，图像评估相关的东西。

Flatten1. `Flatten` 的作用2. 何时使用 `Flatten`3. PyTorch 中的 `Flatten`Sequentia优化器模型的保存与加载模型的完整训练

一些简单的指令数据操作广播机制标量，向量，矩阵的相互求导1. 标量对标量的求导2. 标量对向量的求导3. 向量对标量的求导4. 向量对向量的求导5. 矩阵对标量的求导6. 矩阵对向量的求导链式求导法则YYDS求出损失函数偏导为0时的最优解w*1. 损失函数的定义2. 对参数 ww 求偏导3. 设置梯度为 04. 解方程求 w∗w ∗ 5. 数值优化方法Softmax回归的损失函数梯度推导4. 最终梯度公式

跳跃连接（Skip Connections）维度提升层反卷积**查询（Query）**、**键（Key）**和**值（Value）** **注意力机制（Attention Mechanism）**光谱角度距离函数（SAD）

读论文《基于计算机视觉的工业金属表面缺陷检测综述》,学习知识

PCAAUC和ROC边界跟踪法随机森林代价敏感等

残差连接1. **YOLO 的残差连接结构**2. **YOLO 使用残差连接的目的**3. **YOLO 中的残差块**4. **YOLOv3 和 YOLOv4 的残差连接架构**YOLO网络架构概述1. 特征提取网络2. 预测头（Detection Head）3. 后处理（Post-processing）YOLOv3/v4的改进YOLOv3YOLOv4SoftmaxSoftmax 的性质：Softmax 在多分类中的应用：举例：Bag of Freebies (BOF)

IOU，MAP，YOLO简单介绍，感受野