目标检测-总结（不断更新）
低层(bottom-up feature)：低级特征，框的位置预测准确，但分类可能会出错，细粒度特征 高层(top-down feature)：高级特征，语义信息很强， 分类误差大->高层语义信息运用 location误差大->低层信息运用 SSD缺点 仅使用顶层进行检测，对小物体检测效果不好；对类似类别的分类错误较多，one-stage检测器的 为何SSD和Faster R
归档: 2018/6
模型评估-TensorFlow目标检测API
coco中pycocotools组件的安装运行评估指令时，出现了如下错误： ImportError: No module named ‘pycocotools’ 解决办法： 安装pycocotools，pycocotools是coco数据集中的对目标检测的评测工具。 1git clone https://github.com/pdollar/coco.
源码修改-TensorFlow目标检测API
源码阅读方法 先看检测模型配置文件，即config文件 再根据config文件中的具体配置选项的总名称，然后到builders文件夹中找到相关的命名的文件，如config文件中的参数loss配置对应builders文件夹下的losses_builder.py 在对应的builder文件中，就可以看到具体参数配置的含义了，但具体的内部实现应该根据builder文件中的import部分中查看（mode