混合多重注意力网络(Hybrid Multiple Attention,HMANet)以更有效，有效的方式从空间，渠道和类别的角度自适应地捕获全局相关性。具体来说，嵌入了类通道注意的类增强注意力（CAA）模块可用于计算基于类别的相关性并重新校准类级信息。此外，引入了一个简单而有效的区域洗牌（RSA）模块，以降低特征冗余，并通过区域表示来提高自我关注机制的效率
基于LEDNet改进, 使用SVD简化non-local网络, 通过分解因子卷积块（FCB）扩大感受野，通过SVN模块构建稀疏的空间注意力
Nuitka是Python编译器，它是用Python编写，对Python解释器的无缝替换或扩展，兼容多个CPython版本，利用该工具可以对Python文件进行打包。本文用于介绍如何在windows上使用nuitka工具打包Python，包含构建打包环境、安装nuitka、测试打包。
YOLOv4在YOLOv3的基础上进行大量的trick改进，包括使用CSPDarkNet53，PAN等网络
本文用于探索深度学习模型在部署全流程过程中的整体方案
GhostNet 认为CNN输出存在大量的冗余特征，没必要一次生成，而是标准卷积过程分解为两个阶段，第一阶段生成少数特征图，第二阶段基于少数特征变换（1x1）得到等量特征图，这种方式降低了卷积的计算量
由于工作需要，在windows10工作机编译的代码需要在干净的windows中测试代码运行效果，所以本文介绍如何使用oracle VM vitualbox安装windows10系统，已经配置主机与虚拟机之间的文件传输过程
本文一步一步地介绍如何在windows上编译带CUDA模块（GPU）支持的OpenCV，为避免长篇大论，截图过多，尽可能简单地描述
本文用于记录hexo常见的操作步骤，即使温习回顾