写在前面

中介费可真贵emmmm，不过毕竟是出国，理解万岁

和中介小姐姐聊了半个下午，对出国的方法与方式有了些理解和认识，这篇文章就总结一下出国计划和安排吧。

（总不是gap一年再出国的？）

摘要

对于图像或视频中的物体进行检测是计算机视觉中基础且重要的任务，任务的难点在于在相对复杂的场景中以实时的速度对物体进行定位与分类。在目前的物体检测算法中， YOLOv3以One-Stage的方式达到了实时检测的效果，但在精度上有所欠缺。

本文针对以上问题提出一种针对YOLOv3算法的改进方案，实现对于复杂环境下不同物体的实时检测。文章从以下三部分进行阐述。

1. 对YOLOv3进行分析与实现。研究了YOLOv3的特征提取主干网络与特征交互网络，并基于PyTorch，通过模型、训练、预测与检测四个模块完成了YOLOv3的实现。
2. 分析YOLOv3的改进思路。从模型与数据集两方面出发，一方面对模型YOLO层的先验框以及特征金字塔的网络结构提出改进思路；另一方面对数据集物体的类别、大小、分辨率与图片参数特征提出了改进思路。
3. 从模型与数据集两方面出发，在基于MS COCO mAP-30的计算标准下，使用改进前的检测结果进行对比，从整体改进结果与局部改进结果两方面评估了改进后算法的精度并评价了改进效果。

实验表明，针对BDD100K数据集，在速度在达到实时检测级别（超过30 fps）的前提下，模型能达到58.59%的mAP（平均精度），高于同等条件下原生YOLOv3模型35.6%的mAP。本研究在保证实时检测的前提下提高了YOLOv3算法的精度，实现了改进。

关键词：YOLOv3; 特征融合; 物体检测; 实时检测

Abstract

Objects detection in images or videos is a fundamental and important task in computer vision. The difficulty of the task is to locate and classify objects in real-time speed in complex scenes. In current algorithms, YOLOv3 achieves the real-time detection effect by One-Stage, but it lacks precision.

In this paper, an improved scheme for YOLOv3 algorithm is proposed for the above problems, realizing real-time detection for different objects in complex environments. This article describes the improvement from the following three parts.

1. Analyzed and implemented YOLOv3. This research studied the backbone feature extraction network and feature interaction network of YOLOv3, and implemented YOLOv3 through model, train, predict and detect module based on PyTorch.

2. Analyzed the improvement ideas. Starting from the two aspects of model and dataset. On the one hand, the improved model of the prior frame of the model YOLO layer and the network structure of the feature pyramid is proposed. On the other hand, the improvement of the class, size, resolution and picture parameters of the dataset object feature is proposed.

3. From the two aspects of model and dataset, under the calculation standard of MS COCO mAP-30, using the test results before improvement, the accuracy of the improved algorithm is evaluated and evaluated from the aspects of overall improvement results and partial improvement results. Improve the effect.

Experiment shows that, a model is trained that achieves 58.59%mAP(mean Average Precision) at the real-time level for detection (over 30 fps) on BDD100K dataset, higher than the native YOLOv3 model's result of 35.6% mAP. This research improves the accuracy of YOLOv3 under the premise of real-time detection.

Key words: YOLOv3; feature fusion; object detection; real-time detection

写在前面

在帮女票配置opencv的环境的时候，免不了要安装opencv啦，可是安装好之后一直在报错，看上去是有很多依赖找不到。就连opencv官方提供的example也跑不起来。

最有意思的是，这些依赖明明都存在，可就偏偏找不到，踩了无数个坑。从换opencv的版本、自己编译opencv，到查这些依赖的位置、CMakeLists研究——最后找到了解决方案，原来真的是有依赖没装……

于是便想顺手总结一下这个问题——关于linux软件的安装。

写在前面

不久前读了一个博主关于Emacs以及GNU的看法。

其在我为什么鄙视并抵制Emacs编辑器？中表达了对当前Emacs过高吹捧的不满¹，并对GNU运动及其精神领袖做出了一些点评。

老实说，有些观点不太能苟同，我对GNU的了解不算很深刻吧，但是大致知道一些开源运动，也听鸟叔常常提起，这里就写下我自己的认识。

写在前面

最近写安利文似乎真写的有点多了hhh，那就再来一篇吧。

这篇来讲Linux下好用的截屏软件～

先放图：

写在前面

最近被一款KDE平台上的Widget吸引到了，名字叫Event Calendar.

嘿嘿这个插件的中文版是我翻译的喔～😉这是PR

放张我的使用截图先吸个睛好了

写在前面

博客又新增了静态的一键分享，使用shareJS项目提供的一键分享。

还有评论系统改用valine了，香是真的香。

以及博客可以使用emoji😂了（不过emoji用的github的api，很有可能很多人看不见？）

前面还有个莫名其妙的图片插入bug，也修复了。

然后还用了一个大佬写的悬浮式注脚¹，不过可惜目前注脚还没法在主页使用……先暂时不管这个问题吧。

毕竟我是个弱鸡，能和大佬们一起开发是一件巨兴奋的事情。就简单的聊一下这段时间和各种不同的人交流的感觉吧。