10 2023 档案

【纯 Transformer 也可以取代 CNN 用于CV】Vision Transformer (ViT) 论文精读

摘要：原始题目 An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 中文名称一张图像等价于 16x16 Words: Transformers 来做大规模的图像识别发表时间 2020年10月22日平台阅读全文

posted @ 2023-10-31 17:50 Zenith_Hugh 阅读(235) 评论(0) 推荐(0) 编辑

【CNN 取代 Transformer 加速 SAM】Fast SAM 笔记

摘要：将 SAM 任务转换为经过广泛研究的实例分割任务，并仅使用 SAM 作者发布的SA-1B数据集的1/50进行训练现有的实例分割方法问题 1：本文要解决什么问题？ SAM 的计算成本高，主要来自于处理高分辨率输入的 Transformer 架构。本文想要加速 SAM 模型的推理速度。问题 2：阅读全文

posted @ 2023-10-31 00:09 Zenith_Hugh 阅读(134) 评论(0) 推荐(0) 编辑

【Anchor-based and Anchor-free 性能差距的本质是训练时候的正负样本分配策略】Adaptive Training Sample Selection (ATSS) 论文精读

摘要：原始题目：Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection 中文翻译：通过自适应训练样本选择缩小 Anchor-based and Anch 阅读全文

posted @ 2023-10-31 00:01 Zenith_Hugh 阅读(200) 评论(0) 推荐(0) 编辑

【质量估计融合进分类分支+回归分支建模为一般分布】Generalized Focal Loss（GFL）论文精读

摘要：原始题目：Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection 中文翻译：Generalized Focal Loss：学习用于密集目标检测的 Qual 阅读全文

posted @ 2023-10-18 13:38 Zenith_Hugh 阅读(159) 评论(0) 推荐(0) 编辑

神经网络量化

摘要：神经网络量化是将神经网络中的参数表示为低精度的数据类型，例如8位整数或浮点数。好处：减少存储需求：将参数从 32位浮点数量化为 8位整数，可以将存储需求减少为原来的 1/4。加速计算速度：低精度的数据类型可以在硬件上更快地进行计算。相比于32位浮点数，8位整数的计算速度可以提高数倍，因为低阅读全文

posted @ 2023-10-07 13:20 Zenith_Hugh 阅读(114) 评论(0) 推荐(0) 编辑