SWOT
    bias的作用
    比作：二维直线的偏移量y = ax + b
    TIOBE编程语言排行榜
    显存存放卷积核的参数
    每个卷积核（输出通道数）的参数均不相同，随机初始化，然后经过后向传播修改
    CS231N
    OCR推荐算法
    NLP：natural language processing
    UVC,usb video class，一种为USB视频捕获设备定义的协议标准
    star原则
    coco数据集
    imagenet数据集
    显存占用
    乘以4是因为32位float需要占据4个字节
    每个通道的卷积参数不同
    计算机视觉四大基本任务（分类、定位、检测、分割）
    每个卷积核都有一个bias参数
    点击、点乘，卷积的运算方式为点乘
    n个卷积核输出n个feature map
    异质
    Unet
    encoder
    decoder的作用是将encoder提取到的特征信息转换为语义信息。
    数据增强
    损失函数
    噪声干扰（睫毛、眼睑、光斑等）
    传统分割（边界的梯度变化）
    网络模型参数量
    计算量
    FCN
    CASIA-Iris-intervel
    空洞卷积
    残差网络
    DRN卷积
    深度分离卷积
    UBIRIS数据集（可见光）
    语义分割神经网络
    二分类交叉熵
    下采样
    召回率
    softmax函数
    语义分割中的decoder的上采样方式主要有反卷积（优点参数可学习，缺点增加参数量和计算量）、插值法和反池化（segnet中所使用的的上采样方式，优点是计算量小，计算速度快，缺点是需要占用一定内存用于存储位置信息）
    上采样
    梯度过小无法继续训练
    评估指标IoU
    批次
    batch size
    优化器选用adam
    学习率
    泛化能力
    过拟合
    flops 浮点运算次数
    数据集：

    • CASIA
    • MIR2016
    • SEPAD

    陈金鑫学长
    级联神经网络（腾童）
    边框回归
    晁静静，基于方向梯度直方图（HOG）和支持向量机（SVM）的人眼定位算法。
    主动外观（ASM）
    结合广义交并比（GIoU）对传统的均方误差（MSE）边框定位损失函数进行修改
    YOLOV3-tiny是一种单阶段目标检测网络，与R-CNN, FAST R-CNN,FASTER R-CNN, MTCNN等两阶段目标检测网络相比，存在着目标检测速度快的优点。
    边框、置信度、类别信息（都是可以训练的）（值得注意一下）
    非极大值抑制（NMS）算法
    深度可分离卷积
    锚点框
    k-means聚类
    超参数
    sigmoid函数归一化
    原 YOLOV3-tiny 网络用于 80 类别物体的 识别定位；而且原模型输入图像为彩色图像，背景 复杂多变需要较大的网络模型去提取特征，针对虹 膜图像单一类别的目标而言，且输入图像为灰度图 像，具有一定的可行性，可以设计轻量快速的模型 完成定位及分类任务。
    PW代表深度卷积，DW代表点卷积
    NL代表非线性激活函数数，本文中主要用到三种激 活函数 h-swish、h-sigmoid 以及 ReLU

    腾童学长
    全卷积网络
    交并比

    DNN
    ANN
    BP学习
    感受野
    注意力机制
    语义分割、实例分割、边缘分割

    每一点的nme
    收敛快什么意思
    LRN层 局部响应归一化
    1*1卷积层降维
    稀疏连接
    localrespnorm
    depth concat深度串接，就是inception单元中多个并联层的输出合并起来
    batch normalization
    聚类
    rectified linear activation

    GIOU（IOU基本已被代替）
    端到端

    优化器的动量，学习率调整机制
    shortcut