影醉阏轩窗 - 博客园

Constrast Learnning

摘要： Constrast Learnning 一. 概念简介有一篇英文说得很好：英文版中文翻译 queue 一个队列，用于存放负样本使用立马拿出来，效率高可以设置的非常大，数量大（对比学习需要大量负样本，这点最重要） MOCO使用了动态的方式（总数设置固定值，每次iteration传入一个bat 阅读全文

posted @ 2021-01-08 19:36 影醉阏轩窗阅读(403) 评论(0) 推荐(0) 编辑

BlazePose: On-device Real-time Body Pose tracking

摘要： BlazePose: On-device Real-time Body Pose tracking 一. 论文简介主要做的贡献如下（可能之前有人已提出）：这里不说跟踪，仅关注关键点估计部分通过关键点检测到人手大概位置，在做手回归，最后再做估计通过heatmap辅助训练回归关键点注意：Ho 阅读全文

posted @ 2021-01-04 20:12 影醉阏轩窗阅读(1413) 评论(0) 推荐(1) 编辑

知识蒸馏

摘要：知识蒸馏一. Distilling the Knowledge in a Neural Network 知识蒸馏的开端之作，简单叙述蒸馏过程：先训练一个大网络，比如Resnet50用于分类任务搭建一个小网络训练结构，比如mobilenetV2 训练小网络的同时推理大网络，大网络的结果去指导小网阅读全文

posted @ 2020-12-16 21:10 影醉阏轩窗阅读(620) 评论(0) 推荐(0) 编辑

3D Human Pose Estimation with 2D Marginal Heatmaps

摘要： 3D Human Pose Estimation with 2D Marginal Heatmaps 一. 论文简介主要做的贡献如下（可能之前有人已提出）：使用2Dheatmap代替3Dheatmap 排列 \(x,y,z\) 的读取顺序使用JSLoss规范heatmap的分布二. 模块详解阅读全文

posted @ 2020-12-16 20:57 影醉阏轩窗阅读(354) 评论(0) 推荐(0) 编辑

模型剪枝

摘要：模型剪枝一. 基础回顾首先回顾一下卷积的过程，输入：\(x=[16,3,224,224]\)，卷积核：\(k=[in\_chs=3,out\_chs=12,strides=1,kernel=1...]\)，输出；\(y=[16,12,224,224]\)。对于剪枝（通道剪枝）而言，修剪的是 \( 阅读全文

posted @ 2020-12-16 11:29 影醉阏轩窗阅读(629) 评论(0) 推荐(0) 编辑

目标检测小网络

摘要：目标检测小网络一. Anchor-based 1.1 网络结构当前一般采用 backbone：shufflenetV2、mobilenetV2/3（V3比较难调试）、Ghostnet、SandGlass FPN：PAN、BiFPN，这部分对检测提升很大（实际使用得进行裁剪压缩，原始版本不适合小模阅读全文

posted @ 2020-12-12 11:25 影醉阏轩窗阅读(898) 评论(2) 推荐(0) 编辑

NMS总结

摘要： NMS总结一. NMS 目标检测：同一个类别中，以置信度为首选，置信度高的，抑制（删除）周围交集大的置信度低的框。这里直接以Soft-NMS论文中的一幅图为例子：输入：每次输入一个类，类内进行NMS \(B={b_1,...,b_N}\) ：检测到的bounding box \(S={s_1 阅读全文

posted @ 2020-10-27 15:21 影醉阏轩窗阅读(476) 评论(0) 推荐(0) 编辑

TARGETDROP: A TARGETED REGULARIZATION METHOD FOR CONVOLUTIONAL NEURAL NETWORKS

摘要： TARGETDROP: A TARGETED REGULARIZATION METHOD FOR CONVOLUTIONAL NEURAL NETWORKS Dense Object Detection 一. 论文简介笔者感觉有点水的文章，想着既然看了就做个小记录吧主要做的贡献如下（可能之前有人阅读全文

posted @ 2020-10-26 14:49 影醉阏轩窗阅读(375) 评论(0) 推荐(0) 编辑

Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection

摘要： Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection 一. 论文简介将目标检测Loss和评价指标统一，提升检测精度。这是一篇挺好的论文，下面会将其拓展阅读全文

posted @ 2020-10-23 11:50 影醉阏轩窗阅读(986) 评论(0) 推荐(1) 编辑

Group Normalization

摘要： Group Normalization 一. 论文简介主要做的贡献如下（可能之前有人已提出）：类似BN的一种归一化，使用group进行归一化二. 模块详解 2.1 BN的做法设 \(X\) 为输入的 \(batch\) 数据，\(\mu_B、\sigma_B\) 为当前 \(batch\) 阅读全文

posted @ 2020-10-22 21:35 影醉阏轩窗阅读(251) 评论(0) 推荐(0) 编辑

寂寞的小乞丐