// // // //

随笔分类 -  AI深度学习

 
膨胀卷积-空洞卷积-Dilated Convolution
摘要:膨胀卷积,也叫空洞卷积,Dilated Convolution,也有叫 扩张卷积; 空洞卷积 是 2016在ICLR(International Conference on Learning Representation)上被提出的,本身用在图像分割领域,被deepmind拿来应用到语音(WaveN 阅读全文
posted @ 2022-04-13 09:34 努力的孔子 阅读(4522) 评论(0) 推荐(2) 编辑
FC NN Attention
摘要:很简单的一个举动,起到了不错的效果 阅读全文
posted @ 2022-03-28 14:32 努力的孔子 阅读(41) 评论(0) 推荐(0) 编辑
模型加速【1】入门篇
摘要:深度学习模型 网络结构复杂,训练慢,落地难,严重影响了工业化应用,故需要进行模型加速; 本文从 计算优化、系统优化 等层面入手,为大家带来业界在 模型加速 技术上的研究和最新进展。 计算优化 就是 减少计算量,是比较常见的加速方法,下面具体介绍。 模型结构优化 深度学习模型深度和宽度越来越大,为了匹 阅读全文
posted @ 2022-03-25 13:59 努力的孔子 阅读(851) 评论(0) 推荐(0) 编辑
OpenCV4【18】-DNN 之 人体姿态评估
摘要:首先需要下载人体姿态评估的预训练模型。 基于COCO数据集训练的模型下载地址:http://posefs1.perception.cs.cmu.edu/OpenPose/models/pose/coco/pose_iter_440000.caffemodel 基于MPI数据集训练的模型下载地址:ht 阅读全文
posted @ 2021-11-23 15:40 努力的孔子 阅读(158) 评论(0) 推荐(1) 编辑
OpenCV4【16】-DNN 模块
摘要:简介 随着计算机视觉的流行,opencv 也专门开发了 dnn 模块来实现 深度神经网络相关 的功能; 虽然 opencv 无法训练模型,但它支持 载入其他 深度学习框架训练好的模型,并使用该模型进行预测 inference; 而且 opencv 在载入模型时会使用 dnn 模块对模型进行重写,使得 阅读全文
posted @ 2021-11-22 11:39 努力的孔子 阅读(1879) 评论(0) 推荐(0) 编辑
OpenCV4【17】-DNN 之 yolov3 目标检测
摘要:首先下载网络配置文件、权重文件、label文件 wget https://pjreddie.com/media/files/yolov3.weights wget https://github.com/pjreddie/darknet/blob/master/cfg/yolov3.cfg wget 阅读全文
posted @ 2021-11-22 11:39 努力的孔子 阅读(241) 评论(0) 推荐(0) 编辑
目标检测(5)-faster rcnn 生成 anchor 的过程 解析
摘要:看本文之前,请先了解 faster rcnn 的网络结构及原理; 其中 关于 anchor 的部分比较晦涩,不容易搞清楚,本文重点解释下; 先上代码 import numpy as np # 生成anchors总函数:ratios为一个列表,表示宽高比为:1:2,1:1,2:1 # 2**x表示:2 阅读全文
posted @ 2021-11-18 17:37 努力的孔子 阅读(610) 评论(0) 推荐(1) 编辑
卷积神经网络CNN - padding 小结
摘要:padding 有时候容易迷糊,这里汇总一下 卷积中的 padding 当取 SAME 时,原则上保持输入和输出尺寸相同,但这只是在 步长为1时 如此, 总结来说, n 表示 输入尺寸 f 表示 卷积核尺寸 s 表示 步长 p 表示 padding 的尺寸 out 表示 输出尺寸 p = (f - 阅读全文
posted @ 2021-11-02 13:43 努力的孔子 阅读(512) 评论(0) 推荐(0) 编辑
图像超分辨率重建 - SRCNN
摘要:paper 地址:http://personal.ie.cuhk.edu.hk/~ccloy/files/eccv_2014_deepresolution.pdf 图像超分辨率重建 把一张 低分辨率图像(low resolution) 通过一定的算法 转换成 高分辨率图像(high resoluti 阅读全文
posted @ 2020-04-21 10:17 努力的孔子 阅读(2533) 评论(0) 推荐(0) 编辑

 

点击右上角即可分享
微信分享提示