TensorFlow Object detection API 教程系列：

• TensorFlow Object detection API 教程之一：Object detection API安装
• TensorFlow Object detection API 教程之二：训练自己的模型
• TensorFlow Object detection API 教程之三：测试自己的模型

这一节，我们将对TensorFlow中的训练过程做一个介绍，训练模型的步骤可大体划分为以下几步：

之前一直在Caffe平台做object detection，后面查阅相关资料时，经常看到TensorFlow下的object detection API，怀着好奇心了解了下，发现效果很不错，总体而言比Caffe下要简单些。

Google niubility !

现在各种学习算法火的一塌糊涂，很多人进入这个圈子搞研究，但有多少人真正明白为什么要用这些学习算法，以及如何将算法落地应用到工程中？

上一篇越扯越远，本想做一个快捷键归纳的日志，方便以后忘记的时候查阅。

没想到，硬生生写成了一篇吐槽文，新开一篇特贴上干货。

早先在Mac上一直用Safari和Chrome，后来转Win开始用UC和Firefox。

作为一个追求艺术和高效的汉子，使用浏览器则一直在路上。

最近使用UC，发现其貌似在Win10下启用了Edge内核，而之前其一直是使用Chrome内核，这种更换严重影响了我的网页体验，致使GitHub无故打不开。

迫不得己，又转回了Chrome，特此对Chrome的部分快捷键做个归纳。

通过查阅很多资料，这里对ROS中的画图工具（或者称为：日志分析工具）作一个总结。

最近仔细研究了下SSD相关的几个demo文件，在这里做一个简要的记录。

大神weiliu89提供的Caffe/examples/ssd下提供了很多demo程序，常用的有以下这么几个。

关于配置Caffe-SSD请参看官方文档或我之前的笔记，不过我之前的教程是基于ROS的。

通过小孔成像模型，来结算几个坐标系之间的关系。

分别为机身及摄像机坐标系，图像坐标系和世界坐标系。

目标视觉跟踪(Visual Object Tracking)，大家比较公认分为两大类：生成(generative)模型方法和判别(discriminative)模型方法，目前比较流行的是判别类方法，也叫检测跟踪tracking-by-detection，以下简单介绍。

在 Hexo 中，无法显示LaTeX数学公式，这对于书写学术博客来说是很大的不便。

以下便是通过安装第三方库来解决这一问题。