Paper:重新思考没有高斯Wassersteindistanceloss的GrotatedobjectDetection，任意方位的目标在数据集中无处不在检测。与水平靶检测相比，旋转靶检测还处于初级阶段。目前大部分SOTA研究集中在回归目标的旋转角度，但求解旋转角度带来了新的问题:I)指标与损失不一致。
三)平方问题。上述问题实际上并没有很好的解决方法，会极大地影响模型的性能，尤其是当角度处于范围的边界时。为了解决上述问题，本文提出了GWD方法。首先用二维的高斯分布对旋转目标进行建模，然后用高斯Wassersteindity (GWD)代替不可微的旋转IoU，根据GWD计算损失值，使模型训练和测量标准对齐。
姓名:刘帆；学号:；学院:电子工程学院【嵌入式牛介绍】目标跟踪算法研究的难点和挑战在于实际复杂的应用环境、相似背景干扰、光照条件变化、遮挡等外界因素，以及目标姿态变化、外观变形、尺度变化、面外旋转、面内旋转、视线外、快速运动和运动模糊。而且，当目标跟踪算法投入实际应用时，不可避免的实时性问题也很重要。正是这些问题使得算法研究充满了困难和挑战。
第一阶段单目标跟踪算法包括什么？具体步骤是什么？他们有什么特点？目标跟踪的第一阶段分为两部分，一是为指定的目标寻找可跟踪的特征，如颜色、轮廓、特征点、轨迹等。，另一个是跟踪目标特征。1.静态背景1)背景差异:对背景的光照变化、噪声干扰、周期运动进行建模。通过从当前帧中减去背景图像来捕捉运动对象的过程。
5、如何用matlab生成服从 混合 高斯分布的随机数比如该 混合 高斯分布为F...M10；%生成一个m行n列的随机数矩阵N8；miu11第一次分配的%参数sigma12%第一次发行的参数miu26第二分布的%参数sigma21二次分布的%参数r0.2 * normrnd (miu1，sigma1，n) 0.8 * normrnd (miu2，sigma2，n)；单点的概率都是零，那么你拿出来的随机数是什么？
我不知道你想做什么。如果要按照一定的概率密度生成随机数，最好用反函数法什么的。例如，生成一个具有x.^2分布的随机数，但是这些应该是归一化的。_ _ _ _ _ _我觉得下面的结果在新的尝试中可能是可以接受的。思路:基于逆变换方法，有PNORMPPDF (x，MIU，Matlab以下。
