随笔分类 - 深度学习
摘要：设置3D Slicer与NVIDIA Clara分割服务器进行集成可以通过几个步骤实现。以下是一个详细的指南，帮助你搭建并使用自己的分割服务器。 前提条件 3D Slicer：确保你已经安装了最新版本的3D Slicer。 NVIDIA Clara Deploy SDK：你需要安装并配置NVIDIA
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：先介绍TensorRT、Triton的关系和区别： TensorRT：为inference（推理）为生，是NVIDIA研发的一款针对深度学习模型在GPU上的计算，显著提高GPU上的模型推理性能。即一种专门针对高性能推理的模型框架，也可以解析其他框架的模型如tensorflow、torch。 主要优化
阅读全文
摘要：TensorFlow Serving是一个开源的机器学习模型服务系统,由Google开发并贡献给开源社区。它主要用于部署和管理TensorFlow训练的模型,提供高性能、可扩展的推理服务。 TensorFlow Serving的主要功能和特点包括: 多版本模型管理:支持同时部署和管理多个版本的Ten
阅读全文
摘要：苹果的面部识别功能称为 Face ID，它在 iPhone 和 iPad 上使用，是一种高度安全且方便的生物识别认证方法。Face ID 主要依赖于以下核心技术和算法： 1. 硬件组件 Face ID 依赖于 iPhone 和 iPad 上的 TrueDepth 摄像头系统，它包括多个硬件组件： 红
阅读全文
摘要：门禁系统中的人脸录入和识别通常采用以下几种算法和技术： 1. 人脸检测 (Face Detection) 人脸检测是人脸识别系统的第一步，用于在图像或视频中定位和提取人脸区域。常用的算法包括： Haar Cascades (OpenCV)：经典的基于特征的检测方法。 HOG (Histogram o
阅读全文
摘要：人脸识别是计算机视觉中的一个重要任务，有多种库和框架可以用于实现人脸识别。以下是一些常用的人脸识别算法库及其特点： 1. OpenCV OpenCV（Open Source Computer Vision Library）是一个开源计算机视觉和机器学习软件库。它可以用于各种计算机视觉任务，包括人脸检
阅读全文
摘要：将YOLOv5与TensorRT结合使用可以显著提高推理速度， 特别是在NVIDIA GPU上。 下面是一个基本的步骤指南， 帮助你了解YOLOv5与TensorRT结合使用的步骤。 人脸检测是一种常见的计算机视觉任务， 下面将详细介绍从模型训练到模型部署的完整流程， 包括使用YOLOv5进行人脸检
阅读全文
摘要：TensorRT是Nvidia开发的一个高性能深度学习推理引擎。 它主要用于优化和部署已经训练好的深度学习模型， 提高模型在NVIDIA GPU硬件上的推理性能。 TensorRT的主要功能和特点包括： 1. 模型优化 TensorRT提供了一系列优化技术， 包括层融合， 张量格式化， kernel
阅读全文
摘要：1. 共同目标 - 深度学习模型部署优化 这三者都是用于优化和部署深度学习模型的工具和框架， 目标是提高模型在服务端的推理性能。 2. 技术侧重点不同 TensorRT侧重于针对Nvidia GPU硬件进行深度学习模型的优化与加速。 OpenVINO则针对Inter CPU和FPGA等硬件进行模拟优
阅读全文
摘要：两者都可以用来衡量两个概率分布之间的差异性。JS散度是KL散度的一种变体形式。 KL散度：也称相对熵、KL距离。对于两个概率分布P和Q之间的差异性（也可以简单理解成相似性），二者越相似，KL散度越小。 KL散度的性质：●非负性。即KL散度大于等于零。 ●非对称性。即运算时交换P和Q的位置，得到的结果
阅读全文
摘要：Transformer是一个利用注意力机制来提高模型训练速度的模型。关于注意力机制可以参看这篇文章，trasnformer可以说是完全基于自注意力机制的一个深度学习模型，因为它适用于并行化计算，和它本身模型的复杂程度导致它在精度和性能上都要高于之前流行的RNN循环神经网络。 那什么是transfor
阅读全文
摘要：paper：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Tensorflow-faster r-cnn github:Tensorflow Faster RCNN for Object
阅读全文
摘要：RCNN存在的问题： 1、一张图像上有大量的重叠框，所以这些候选框送入神经网络时候，提取特征会有冗余！ 2、训练的空间需求大。因为RCNN中，独立的分类器和回归器需要很多的特征作为训练。RCNN中提取候选框，提取特征和分类回归是分开的，可独立。 Fast RCNN 针对上诉问题： Q1：将整张图片归
阅读全文
摘要：目标检测architecture通常可以分为两个阶段： （1）region proposal：给定一张输入image找出objects可能存在的所有位置。这一阶段的输出应该是一系列object可能位置的bounding box。这些通常称之为region proposals或者 regions of
阅读全文