随笔分类 - 深度学习算法
摘要：本次主要分享，我们在神经网络模型部署上的其中一次探索，“tensorflow quantization-aware” 参考资源如下： “Quantizing deep convolutional networks for efficient inference: A whitepaper” ”Qua
阅读全文
摘要：Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章主要介绍Gan的应用篇，3，主要介绍图像应用，4， 主要介绍文本以及医药化学其他领域应用 原理篇请看上两篇 https://www.cnblogs.com/Libo-Master/p/11167804
阅读全文
摘要：Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章主要介绍Gan的应用篇，3，主要介绍图像应用，4， 主要介绍文本以及医药化学其他领域应用 原理篇请看上两篇 https://www.cnblogs.com/Libo-Master/p/11167804
阅读全文
摘要：Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章会先从Gan的简单应用示例讲起,从三个方面问题以及解决思路覆盖25篇GAN论文,第二个大部分会进一步讲Gan的所有领域应用 上一篇说到最近有人关于encoder给出了更加直观的解释: 从另一个角度理解
阅读全文
摘要：Libo1575899134@outlook.com Libo (原创文章,转发请注明作者) 本文章会先从Gan的简单应用示例讲起,从三个方面问题以及解决思路覆盖25篇GAN论文,第二个大部分会进一步讲Gan的所有领域应用 1: 下图GAN可以学到不同的字体，并且在字体之间进行不同的变换 2 下图可
阅读全文
摘要：转载请注明本文链接： https://www.cnblogs.com/Libo-Master/p/9759130.html PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation PointNet++：
阅读全文
摘要：前言 我很长一段时间一直都在做自动驾驶的物体检测性能调优，所以想总结整理一些小网络和检测框架的经验。 文章会分成三个部分: 第一部分将参照知乎@YaqiLYU 对小网络（经典网络）的分析并且结合的自己的理解。 第二部分详细介绍目前state-of-art的主流检测框架。 第三部分介绍了目标检测的问题
阅读全文
摘要：我很长一段时间一直都在做自动驾驶的物体检测性能调优，所以想总结整理一些小网络和检测框架的经验。 文章会分成三个部分: 第一部分将参照知乎@YaqiLYU 对小网络（经典网络）的分析并且结合的自己的理解。 第二部分详细介绍目前state-of-art的主流检测框架。 第三部分介绍了目标检测的问题及解决
阅读全文
摘要：动机： 目标：想要获得一个实时的模型，且尽可能的准确。 我们有一个大模型性能很好，但是很慢： 我们有个小模型速度很快，但是性能很差： 动机：面临的挑战 1、由于容量和能力，小模型很难达到一个很好的性能。 2、精确度和模型压缩之间的差距还是很大 3、物体检测比分类要困难得多： a、 标签的计算更加昂贵
阅读全文
摘要：Squeeze-and-Excitation Networks SE-net 来自于Momenta 孙刚团队 SE的设计思路： 从卷积操作的实际作用来考虑，conv 把局部空间信息和通道信息组合起来，组合之后形成FM上的值，之前大部分都是空间上做的。 对channel考虑的少，但是卷积本身就可以学到
阅读全文
摘要：主流小网络包括：SqueezeNet, MobileNet(V1), 和CVPR 2018最新模型ShuffleNet, IGCV2, MobileNetV2 1、ImageNet上的top-1准确率 vs 理论计算量 vs 模型大小的对比，来自tensorflow/models，本文要探讨和分析的
阅读全文
摘要：据说多推推公式可以防止老年痴呆,(●ˇ∀ˇ●) 偶尔翻到我N年前第一次推导神经网络的博客居然四页纸，感慨毅力！ http://blog.sina.com.cn/s/blog_1442877660102wpkf.html 其实 四行公式、 两分钟时间 足够推出来 下次挑战SVM5分钟
阅读全文
摘要：应用需注明原创！ 深度学习在2015年中左右基本已经占据了计算机视觉领域中大部分分支，如图像分类、物体检测等等，但迟迟没有视觉跟踪工作公布，2015年底便出现了一篇叫MDNet的论文，致力于用神经网络解决视觉跟踪，它同时也是2015年VOT的冠军。 先图再理论： 离线学习 frame1 frame2
阅读全文
摘要：如果抛开Keras，TensorLayer，tfLearn，tensroflow 能否写出简介的代码？ 可以！slim这个模块是在16年新推出的，其主要目的是来做所谓的“代码瘦身” 一.简介 slim被放在tensorflow.contrib这个库下面，导入的方法如下： import tensorf
阅读全文
摘要：继2014年的RCNN之后，Ross Girshick在15年推出Fast RCNN，构思精巧，流程更为紧凑，大幅提升了目标检测的速度。在Github上提供了源码。 同样使用最大规模的网络，Fast RCNN和RCNN相比，训练时间从84小时减少为9.5小时，测试时间从47秒减少为0.32秒。在PA
阅读全文
摘要：SPP-Net是出自2015年发表在IEEE上的论文-《Spatial Pyramid Pooling in Deep ConvolutionalNetworks for Visual Recognition》。 池化空间金字塔的核心是： 1、因为，cnn要求图像固定大小，所以要做crop和warp
阅读全文
摘要：3、三次IOU 2、2次model run 1，一次深度神经网络 rcnn主要作用就是用于物体检测，就是首先通过selective search 选择2000个候选区域，这些区域中有我们需要的所对应的物体的bounding-box，然后对于每一个region proposal 都wrap到固定的大小
阅读全文
摘要：Region CNN(RCNN)可以说是利用深度学习进行目标检测的开山之作。作者Ross Girshick多次在PASCAL VOC的目标检测竞赛中折桂，2010年更带领团队获得终身成就奖，如今供职于Facebook旗下的FAIR。 这篇文章思路简洁，在DPM方法多年平台期后，效果提高显著。包括本文
阅读全文
摘要：Selective Search for Object Recoginition 这篇论文是J.R.R. Uijlings发表在2012 IJCV上的一篇文章，主要介绍了选择性搜索（Selective Search）的方法。物体识别（Object Recognition），在图像中找到确定一个物体，
阅读全文
摘要：最近遇到一些卡证识别的检测问题，打算先把理论知识梳理一下，随后还会梳理一版代码注释。 以前的region+proposal来检测的框架，这一系列速度和精度不断提高，但是还是无法达到实时。存在的主要问题为：速度不够快，主要原因是proposal比较多，特征进行分类的时候,相同区域的特征计算多遍，所以B
阅读全文
浙公网安备 33010602011771号