上一页 1 2 3 4 5 6 ··· 62 下一页
摘要: ResNeSt是亚马逊的李沐团队的paper,最近在各个任务上刷榜了,但却被ECCV2020 strong reject了,在知乎上也是引起了热议,据李沐说这个网络花了一百万刀!我看完 以后感觉是ResNeXt + SKNet的组合,训练网络的很多tricks在工程上还是很有意义 的。 讨论:htt 阅读全文
posted @ 2020-05-30 13:26 牧马人夏峥 阅读(7165) 评论(0) 推荐(0) 编辑
摘要: 一、安装 https://github.com/open-mmlab/mmdetection/blob/master/docs/INSTALL.md 二、训练自己的数据 1、数据 mmdet的默认格式是coco的,这里就以voc格式为例,data下文件夹摆放位置如图 2、训练 (1)修改config 阅读全文
posted @ 2020-04-19 22:21 牧马人夏峥 阅读(2817) 评论(0) 推荐(0) 编辑
摘要: tensorflow 2.0.0b1 cuda:10.1 报错,使用tf.test.is_gpu_available()测试时也是false,原来是这个版本只支持10.0,不支持10.1. 解决办法:无需删除cuda10.1,也无需再下载cuda10.0包,直接conda install cudat 阅读全文
posted @ 2020-04-04 17:47 牧马人夏峥 阅读(4364) 评论(0) 推荐(0) 编辑
摘要: 参考 https://blog.csdn.net/weixin_41765699/article/details/100118353 阅读全文
posted @ 2020-03-24 10:49 牧马人夏峥 阅读(1009) 评论(0) 推荐(0) 编辑
摘要: 2019年的目标检测属于anchor free的一年,各类anchor free方法井喷,各种方式都有。在我看来,anchor free一定要有速度 优势(移动端部署),否则我干嘛不直接使用two-stage呢(像cornernet在GPU下速度只有5fps)? 不过学习了解一下相关思想还是必须的, 阅读全文
posted @ 2020-03-03 16:55 牧马人夏峥 阅读(675) 评论(0) 推荐(0) 编辑
摘要: 当前针对目标检测算法有两种思路(暂时不考虑anchor free),其中一种是轻量化two-stage检测算法(如thundernet),另外一种就是 提高one-stage算法的精度,如使用更好的特征(特征融合、多尺度特征FPN等),包括基于SSD改进的refinedet,基于FPN的Retina 阅读全文
posted @ 2020-03-03 12:48 牧马人夏峥 阅读(2688) 评论(0) 推荐(0) 编辑
摘要: 在移动端部署检测模型时,因为速度原因,通常采用的是轻量级的backbone+one stage detector的方式。我之前在项目里就是采用的 就是这种方案,但精度始终没法和two-stage相比,而two-stage又太慢,之前测过速度之后就没再考虑在移动端采用two-staget方案, 而th 阅读全文
posted @ 2020-03-02 18:55 牧马人夏峥 阅读(538) 评论(0) 推荐(0) 编辑
摘要: 文本检测CTPN: https://www.cnblogs.com/skyfsm/p/9776611.html 文本识别CRNN:https://zhuanlan.zhihu.com/p/71506131 阅读全文
posted @ 2020-02-18 10:44 牧马人夏峥 阅读(151) 评论(0) 推荐(0) 编辑
摘要: genpac --format=pac --pac-proxy="SOCKS5 127.0.0.1:1080" -o autoproxy.pachttps://zhuanlan.zhihu.com/p/62650730 阅读全文
posted @ 2020-02-10 13:35 牧马人夏峥 阅读(455) 评论(0) 推荐(0) 编辑
摘要: 一、paper&&github https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1708.06519 https://github.com/mengrang/Slimming-pytorch 二、本文压缩方法 1、channel的裁剪原则 阅读全文
posted @ 2020-02-06 22:52 牧马人夏峥 阅读(454) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 ··· 62 下一页