创新点
用毫无创新来评价应该不过分，炒炒冷饭.
第一个创新点是将模型中残差计算变为连接计算，
第二个创新点是selfattention，注意力机制，这样会导致模型计算复杂度增加，但是特征会有更好的性能
这是SENet网络提出来的东西，ImageNet最后一次比赛的冠军。
第三个创新点可能就是数据部分了，使用一些奇怪方法增加数据量。比如将不同物体进行拼接，生成新图
然后就是各种新东西包括损失函数激活函数，。同时将模块变成插拔式的结构，每个模块都有几个选项，
训练部分
训练数据的生成和YOLOV3一毛一样， 相当于将原图划分乘某些小区域，小区域表示了图像中物体的中心
然后框的中心在这个小框内变化，每个小框对应3种不同宽高的锚框。这三个锚框可以通过对应IOU确定。
回归部分只选择Gt框对应的锚框，分类有两部分，一个是前后景，一个是物体类别，前后景的数据是
所有的锚点框。所以还是类别偏差。物体类别只选择gt对饮的物体也就是只选择包含物体的锚点框
FEATURED TAGS
c语言
c++
面向对象
指针
容器
python
函数
数据结构
回归
损失函数
神经网络
机器学习
似然函数
极大似然
标准化
深度学习
卷积网络
参数估计
beta分布
数据处理
gradio
模型工程化
网页
模型加速工具
c++实现
变量
占位符
tensorflow
线性回归
学习tensorflow
HMM
RNN
强化学习
LSTM
pandas
不定长序列损失
pytorch
目标检测
RPN
非极大值抑制
ROIpooling
VGG16
Transformer
BERT
Python
装饰器
方法
Pytorch
FPN
图像分类
CNN
多模态
生成
GPT
Tranformer
生成模型
audio
