上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 24 下一页
摘要: 论文提出了简单高效的PSS分支,仅需在原网络的基础上添加两个卷积层就能去掉NMS后处理,还能提升模型的准确率,而stop-grad的训练方法也挺有意思的,值得一看 来源:晓飞的算法工程笔记 公众号 论文: Object Detection Made Simpler by Eliminating He 阅读全文
posted @ 2022-06-27 11:55 晓飞的算法工程笔记 阅读(103) 评论(0) 推荐(0) 编辑
摘要: 论文提出细粒度分类解决方案CAP,通过上下文感知的注意力机制来帮助模型发现细微的特征变化。除了像素级别的注意力机制,还有区域级别的注意力机制以及局部特征编码方法,与以往的视觉方案很不同,值得一看 来源:晓飞的算法工程笔记 公众号 论文: Context-aware Attentional Pooli 阅读全文
posted @ 2022-06-24 13:33 晓飞的算法工程笔记 阅读(711) 评论(0) 推荐(0) 编辑
摘要: 论文认为Batch Normalization并不是网络的必要构造,反而会带来不少问题,于是开始研究Normalizer-Free网络,希望既有相当的性能也能支持大规模训练。论文提出ACG梯度裁剪方法来辅助训练,能有效防止梯度爆炸,另外还基于NF-ResNet的思想将SE-ResNet改造成NFNe 阅读全文
posted @ 2022-06-23 13:11 晓飞的算法工程笔记 阅读(76) 评论(0) 推荐(0) 编辑
摘要: 论文提出NF-ResNet,根据网络的实际信号传递进行分析,模拟BatchNorm在均值和方差传递上的表现,进而代替BatchNorm。论文实验和分析十分足,出来的效果也很不错。一些初始化方法的理论效果是对的,但实际使用会有偏差,论文通过实践分析发现了这一点进行补充,贯彻了实践出真知的道理 来源:晓 阅读全文
posted @ 2022-06-22 13:14 晓飞的算法工程笔记 阅读(233) 评论(0) 推荐(0) 编辑
摘要: 其实这篇文章很早就写好了,但作者其它论文涉及到洗稿问题,所以先放着了。目前看这篇文章没被举报有洗稿的嫌疑,所以就发出来了 . 来源:晓飞的算法工程笔记 公众号 论文: Involution: Inverting the Inherence of Convolution for Visual Reco 阅读全文
posted @ 2022-06-20 13:27 晓飞的算法工程笔记 阅读(213) 评论(0) 推荐(0) 编辑
摘要: GFLV2基于GFLV1的bbox分布进行改进,将分布的统计信息融入到定位质量估计中,整体思想十分创新和完备,从实验结果来看,效果还是挺不错的 来源:晓飞的算法工程笔记 公众号 论文: Generalized Focal Loss V2: Learning Reliable Localization 阅读全文
posted @ 2022-06-17 12:01 晓飞的算法工程笔记 阅读(288) 评论(0) 推荐(0) 编辑
摘要: 论文深入分析了inverted residual block的设计理念和缺点,提出更适合轻量级网络的sandglass block,基于该结构搭建的MobileNext。根据论文的实验结果,MobileNext在参数量、计算量和准确率上都有更优的表现,唯一遗憾的是论文没有列出在设备上的实际用时,如果 阅读全文
posted @ 2022-06-16 13:06 晓飞的算法工程笔记 阅读(182) 评论(0) 推荐(0) 编辑
摘要: 不同于以往在固定数据集上测试性能,论文提出了一个更符合实际的全新检测场景Open World Object Detection,需要同时识别出未知类别和已知类别,并不断地进行增量学习。论文还给出了ORE解决方案,通过对比聚类和基于能量的分类器来进行开放开放世界的检测训练 来源:晓飞的算法工程笔记 公 阅读全文
posted @ 2022-06-15 13:16 晓飞的算法工程笔记 阅读(427) 评论(0) 推荐(0) 编辑
摘要: 论文提出了细粒度动态detection head,能够基于路由机制动态地融合不同FPN层的像素级局部特征进行更好的特征表达。从设计的路由空间来看是一个十分耗时的操作,但是作者设计的高效路由器实际计算十分高效。实验结果来看,细粒度动态detection head可以即插即提点 来源:晓飞的算法工程笔记 阅读全文
posted @ 2022-06-14 13:33 晓飞的算法工程笔记 阅读(246) 评论(0) 推荐(0) 编辑
摘要: RepVGG将训练推理网络结构进行独立设计,在训练时使用高精度的多分支网络学习权值,在推理时使用低延迟的单分支网络,然后通过结构重参数化将多分支网络的权值转移到单分支网络。RepVGG性能达到了SOTA,思路简单新颖,相信可以在上面做更多的工作来获得更好的性能。 来源:晓飞的算法工程笔记 公众号 论 阅读全文
posted @ 2022-06-13 12:10 晓飞的算法工程笔记 阅读(546) 评论(0) 推荐(0) 编辑
上一页 1 ··· 9 10 11 12 13 14 15 16 17 ··· 24 下一页