零碎知识点
1.YOLOv5s的网络中，Conv层用于特征提取；SPPF层通过多次池化进行特征提取；C3层的作用和是减小计算量，加快模型推理速度。
2.Region Proposal(候选区域)：是一个区域，Bounding Box是这个区域的四条边，这四条边是用一个四维向量(也就是下面的(x,y,w,h))表示
bbox(Bounding Box)：bbox是包含物体的最小矩形，检测目标应在最小矩形内部。
物体检测中关于物体位置的信息输出是一组(x,y,w,h)数据，其中x,y代表着bbox的左上角(或者其他固定点，可自定义)，对应的w,h表示bbox的宽和高；一组(x,y,w,h)可以唯一的确定一个定位框。
3.IoU：物理含义为两块区域面积的交集除以两块区域面积的并集，是评价两块区域重合度的指标。
在训练网路的时候，通过依据候选区域和标定区域的IoU值确定正负样本。
4.ground truth：检测目标的真实位置(正样本)。
5.fine-tuning：这种方法也是当数据量不够的时候，常用的一种训练方式，即先用别的数据库训练网络，然后再用自己的数据库微调训练
6.关于R-CNN论文解读看过的博客：
R-CNN文章详细解读 - 简书
RCNN目标检测算法内容详解（依托论文讲解）_小馨馨的小翟的博客-CSDN博客_rcnn论文下载
深度学习（十八）基于R-CNN的物体检测_hjimce的博客-CSDN博客
【深度学习】R-CNN 论文解读及个人理解_frank909的博客-CSDN博客_rcnn
目标检测：R-CNN学习笔记_SunshineSki的博客-CSDN博客
R-CNN论文翻译(更便于理解)：
R-CNN论文详解（论文翻译）_目标检测_v1_vivian-DevPress官方社区
R-CNN讲解视频(讲的非常详细)：
科科带你学的个人空间_哔哩哔哩_Bilibili
7.SVM只能做二分类问题。
8.迁移学习：基于yolov5s.pt训练自己的权重模型就属于迁移学习。
9.图片分类和物体检测的区别：图片分类不需要定位，而物体检测需要定位出物体的位置，也就是相当于把物体的bbox检测出来；还有一点物体检测是要把所有图片中的物体都识别定位出来。
10.关于Anchor看过的博客
region proposal_wanghua609的博客-CSDN博客_proposal region
机器视觉目标检测补习贴之R-CNN系列 --- R-CNN, Fast R-CNN, Faster R-CNN | David 9的博客 --- 不怕"过拟合"
【个人整理】faster-RCNN的关键点(区域推荐网络RPN)详解_LoveMIss-Y的博客-CSDN博客
11.CNN的主要表达力来自于卷积层，而不是全连接层。
12.吴恩达编程作业大全：https://hekuan.blog.csdn.net/article/details/79827273
13.YOLOv5+Deepsort：YOLOv5+DeepSort多目标跟踪教程_爱学习的王同学#的博客-CSDN博客_yolov5+deepsort
14.QT中添加Eigen矩阵函数库参考文章：
Qt下Eigen矩阵函数库的添加_霉小脑的博客-CSDN博客_qt 矩阵运算
Eigen在Qt中的配置（博主亲测）_罗伯特祥的博客-CSDN博客_qt eigen
Eigen下载网址：Eigen
最初在.pro文件中添加命令为：
INCLUDEPATH+=F:\C++_test\WuEnDa_first_week\eigen_3_3_8\Eigen
在main.cpp中一直找不到Eigen文件
将上述添加命令改为：
INCLUDEPATH +=C:\Users\USER\Desktop\eigen_3_3_8\Eigen
成功了，目前怀疑是里面的+可能是中文的+
15.QT C++快捷指令：
注释与取消：Ctrl+/
整体左移：Shift+Tab
整体右移：Tab
截止2022/11/13完成的工作：
1.b站吴恩达深度学习视频P24；自己梳理了公式的推导过程并完成了第一次编程作业；
第一周编程作业C++版本:吴恩达神经网络作业 c++测试版本 eigen矩阵运算库_治治来啦的博客-CSDN博客
2.深入阅读理解R-CNN论文；
3.阅读了王锐师兄的毕业论文；
4.深入理解了yolov5的detect.py，train.py，yolov5s.yaml；对yolov5的网络架构有了了解(还需反复)；
科科带你学的个人空间_哔哩哔哩_Bilibili
5.初步掌握了配置目标检测、追踪的实验环境以及在环境中安装所需要的各种包
16.力扣刷题指南(希望能做到每天一道题，锻炼编程思维)
最高效力扣刷题攻略，没有之一_Cool很酷的博客-CSDN博客_力扣怎么刷
力扣
刷leetcode不知道从哪里刷起？？ 来看看，我把刷题题目顺序都排好了，每道题还带详细题解！_代码随想录的博客-CSDN博客
截止到2022/11/14学习任务梳理：
1.Fast-RCNN、Faster-RCNN、YOLO系列、sort、Deepsort论文阅读(深入理解代码YOLOv5、Deepsort)；
2.吴恩达深度学习课程(课后题使用python完全实现和C++尝试实现)；
3.每天一道力扣题目，使用C++完成，锻炼思维；
4.汪良文师兄代码尝试理解；