AI算法落地的一点粗浅思考。 同时发现了一个很好的git库。

先安装以下软件：cuda, cudnn, openblas, protobuf, glog, gflags, hdf5, snappy, leveldb, boost(+python), opencv(+python)，doxygen，lmdb；

由于华为云提供包含cuda和cudnn的docker镜像，所以不用安装这两个。同时由于不能改变镜像中的/usr文件夹，所以最好不要通过apt安装以上依赖库。（华为云提供docker时的要求，否则用apt安装是最方便、最好的！！！）

探索模型剪枝方面的一些论文研究，并选择进行实现用到目前项目中（实现部分没有放置在当前ppt中）。

对BN层对网络卷积层权重L2正则化的影响、BN层的gamma项正则化作用、卷积层权重L2正则化的作用、如何更好的调整L2正则项权重、学习率、gamma项权重等超参 等问题的思考。

原论文：Gradient Harmonized Single-stage Detector

本文主要基于tf.keras讨论分类部分，论文也提出了适用于检测的方法。 实验表明具有一定效果，可以尝试，感觉比focal loss要好用。

车辆牌照的识别是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。

识别步骤概括为：车牌定位、车牌提取、字符识别。三个步骤相辅相成，各自的有效性都较高，整体的识别率才会提高。

训练好的模型测试效果差？不同层的同名blob变量意味着什么？

主要包含：

1. opencv编译安装；
2. boost-python3编译安装；
3. Caffe make及cmake两种安装方式，bug解决等。

对YOLOv3理解和复现（backbone并没用darknet53）的一点记录。

对YOLOv2理解和复现（backbone并没用darknet19）的一点记录。