哈哈哈喽喽喽

摘要： 问题： 1、大型神经网络学习速度很快，性能也往往优于其他较小的模型，但它们对资源的巨大需求限制了其在现实世界的部署，所以当部署网络到资源有限的设备上，需要对网络进行剪枝（识别和剪枝冗余的结构），使性能几乎无损失情况下，网络更苗条更简单。 2、剪枝方法：a、采用L1或L2正则化的细粒度剪枝方法，根据一 阅读全文

摘要： 1、backbone设计 https://zhuanlan.zhihu.com/p/242365051 2、DAIR-V2X数据集 http://air.tsinghua.edu.cn/dair-v2x/index.html 阅读全文

摘要： 1、公司git需要使用代理，使用下面方式配置代理即可 git config --global http.sslverify false //不进行ssl检查，因为公司上外网是通过代理，ssl是代理发的，不是github发的，git不认。 git config --global http.proxy 阅读全文

摘要： 常用的基线RGBD数据集 1、Make3D 534张户外图和定制三维扫描仪扫描出来的深度图，缺点是： 场景不丰富，深度图分辨率低 2、Kitti 车捕捉的街景，RGB图+激光扫描器扫出来的深度图，缺点是： 深度图分辨率低，且深度图间隔无规则且稀疏 3、NYU depth v2 使用较多，464张室内 阅读全文

摘要： 深度估计 AP解释https://www.zhihu.com/question/53405779 yolov4中的route和shortcut层 双线性插值https://blog.csdn.net/qq_14845119/article/details/107557449 Focal Loss 相 阅读全文

摘要： https://arxiv.org/pdf/2103.09460.pdf 主要贡献： 1、重新思考了FPN网络在目标检测效果好的原因，多尺度目标检测问题分而治之解决思路（不同尺度通过不同的感受野特征检测）大于多尺度特征融合 2、基于优化的角度，提出YOLOF替代FPN网络的复杂特征金字塔，它包含两个 阅读全文

摘要： https://arxiv.org/abs/1905.11946 卷积神经网络（ConvNets）通常是在固定的资源预算下发展起来的，如果有更多的资源可用的话，则会扩大规模以获得更好的精度，更大的网络具有更大的宽度、深度或分辨率，往往可以获得更高的精度，但精度增益在达到80%后会迅速饱和，这表明了只 阅读全文

摘要： 卷积神经网络（CNNs）的核心模块其实就是卷积操作，该操作通过融合每一层局部感受野的空间和不同通道信息来构建特征。在此之前，已经有很多的研究来实践空间的信息融合问题，希望通过去融合不同层级的特征从而增强CNNs的特征表达能力。在我们本次的工作中，我们专注于去研究不同通道之间的关系，并提出了一种新颖的 阅读全文

摘要： https://pan.baidu.com/s/1nCsZlMynnJwbUBKn0ch7dQ 阅读全文

摘要： 1、torch.nn.AdaptiveMaxPool2d/ADAPTIVEAVGPOOL2D 官方给出的例子： target output size of 5x7 m = nn.AdaptiveMaxPool2d((5,7)) input = torch.randn(1, 64, 8, 9) out 阅读全文