1.yolov5相关
输入端
- 自适应锚框计算（集成kmeans）
- 自适应图片缩放（letterbox 补灰）
- Mosaic数据增强(选定图和随机3张图随机裁剪)
Backbone
- Focus (下采样，隔离采样+拼接)
- BottleneckCSP（类似残参结构）
- SPP(空间金字塔池化)
Neck
- FPN(图像金字塔，自下而上、自上而下、卷积融合)
- PAN(金字塔增强定位信息，接在FPN后面，高层语义+低层定位)
Head
- 损失函数包括：分类、定位、置信度 CIOU(重叠面积、长宽比、中心点距离) 二元交叉熵
- Focal loss 样本不均衡
YOLOv5网络结构+代码+应用详解|CSDN创作打卡_tt丫的博客-CSDN博客_yolov5网络结构详解
2.maskrcnn相关
在Faster-RCNN的基础之上，Mask-RCNN加入了Mask branch（FCN）用于生成物体的掩模(object mask), 同时把RoI pooling 修改成为了RoI Align 用于处理mask与原图中物体不对齐的问题。
RoI pooling? 输入特征图尺寸不固定，但是输出特征图尺寸固定
在RoI pooling中出现了两次的取整，虽然在feature maps上取整看起来只是小数级别的数，但是当把feature map还原到原图上时就会出现很大的偏差，比如第一次的取整是舍去了0.78，还原到原图时是0.78*32=25,第一次取整就存在了25个像素点的偏差，在第二次的取整后的偏差更加的大。对于分类和物体检测来说可能这不是一个很大的误差，但是对于实例分割而言，这是一个非常大的偏差，因为mask出现没对齐的话在视觉上是很明显的。而RoIAlign的提出就是为了解决这个问题，解决不对齐的问题。
RoIAlign取消了取整的这种粗暴做法，而是通过双线性插值（听我师姐说好像有一篇论文用到了积分，而且性能得到了一定的提高）来得到固定四个点坐标的像素值，从而使得不连续的操作变得连续起来，返回到原图的时候误差也就更加的小。
Mask-RCNN 算法及其实现详解_remanented的博客-CSDN博客_maskrcnn
3.crnn相关
- 卷积层
提取特征，将提取到的特征以序列方式输出
- 循环层
特征输入到BLSTM，输出每个序列代表的值（序列），对输出进行softmax操作
- 转录层
ctc，计算概率到实际输出的概率
CTC Algorithm Explained Part 1：Training the Network（CTC算法详解之训练篇） - Yudong's Blogm
https://xiaodu.io/ctc-explained/每个label的概率等于对应其全部路径的概率总和
CTC是一种Loss计算方法，用CTC代替Softmax Loss，训练样本无需对齐。CTC特点：
- 引入blank字符，解决有些位置没有字符的问题
- 通过递推，快速计算梯度
