haima1998的专栏

图解NCHW与NHWC数据格式_田海立@CSDN-CSDN博客_nchw流行的深度学习框架中有不同的数据格式，典型的有NCHW和NHWC格式。本文从逻辑表达和物理存储角度用图的方式来理解这两种数据格式，最后以RGB图像为例来加深NHWC和NCHW数据存储格式的理解。一、基本概念深度学习框架中，数据一般是4D，用NCHW或NHWC表达，其中：N - BatchC - ChannelH - HeightW - Width二、逻辑表达假定N = 2，C = 16，H = 5，.

转自：pytorch计算FLOPs - 简书1. 引言其实模型的参数量好算，但浮点运算数并不好确定，我们一般也就根据参数量直接估计计算量了。但是像卷积之类的运算，它的参数量比较小，但是运算量非常大，它是一种计算密集型的操作。反观全连接结构，它的参数量非常多，但运算量并没有显得那么大。 此外，机器学习还有很多结构没有参数但存在计算，例如最大池化和Dropout等。因此，PyTorch-OpCounter 这种能直接统计 FLOPs 的工具还是非常有吸引力的。 PyTorch-OpCounter G

转自：Pytorch中计算自己模型的FLOPs | thop.profile() 方法 | yolov5s 网络模型参数量、计算量统计_墨理学AI-CSDN博客Pytorch: 用thop计算pytorch模型的FLOPs - 简书安装thoppip install thop基础用法以查看resnet50的FLOPs为例from torchvision.models import resnet50from thop import profilemodel = r

转自：https://nicehuster.github.io/2019/06/12/fine-grain/一般而言，图像识别分为两种：传统图像识别和细粒度图像识别。前者指的是对一些大的类别比如汽车、动物、植物等大的类别进行分类，这是属于粗粒度的图像识别。而后者则是在某个类别下做进一步分类。比如在狗的类别下区分狗的品种是哈士奇、柯基、萨摩还是阿拉斯加等等，这是属于细粒度图像识别。数据集在细粒度图像识别领域，经典的基准数据集包括：鸟类数据集CUB200-2011，11788张图像，200个细粒

转自：本地PC连接远程服务器上的Tensorboard - 知乎tensorboard --logdir logs --bind_all在远程服务器上执行如下命令启动tensorboard的服务之后：tensorboard --logdir logs无法在本地PC上打开tensorboard的网页：http：//server_ip:6006执行tensorboard --logdir logs命令有如下提示：liguanlin@opt48:/mnt/liguanlin/cod

参考：https://www.cnblogs.com/LXP-Never/p/10918704.htmlhttps://blog.csdn.net/Heitao5200/article/details/83030465https://zhuanlan.zhihu.com/p/35893078https://zhuanlan.zhihu.com/p/36794078作为损失函数L1范数损失函数　　L1范数损失函数，也被称之为平均绝对值误差（MAE）。总的来说，它把目标值y(n)y(n.

转自：https://zhuanlan.zhihu.com/p/364923722引用文章[7]的开篇，来表示什么是： 向量化搜索人工智能算法可以对物理世界的人/物/场景所产生各种非结构化数据（如语音、图片、视频，语言文字、行为等）进行抽象，变成多维的向量。这些向量如同数学空间中的坐标，标识着各个实体和实体关系。我们一般将非结构化数据变成向量的过程称为 Embedding，而非结构化检索则是对这些生成的向量进行检索，从而找到相应实体的过程。非结构化检索本质是向量检索技术，其主要的应用领

转自：https://zhuanlan.zhihu.com/p/377799012在机器学习中，损失函数是代价函数的一部分，而代价函数则是目标函数的一种类型[1]。Loss function，即损失函数：用于定义单个训练样本与真实值之间的误差；Cost function，即代价函数：用于定义单个批次/整个训练集样本与真实值之间的误差；Objective function，即目标函数：泛指任意可以被优化的函数。损失函数是用于衡量模型所作出的预测离真实值（Ground Truth）之间的偏离

更逼真的抠图技术https://augmentedperception.github.io/total_relighting/https://jishuin.proginn.com/p/763bfbd597f5实时分割算法(人像分割)https://github.com/lizhengwei1992/Semantic_Human_Matting昨天分享了一个给人脸抠图，重新打光的视频，让最终的效果更加逼真。具体链接：给背景替换加“亿”点真实感，保留真实感的光照效果 | siggra

转自：https://blog.csdn.net/lzw17750614592/article/details/86443142最近发现一个神奇的网站，这个网站在看论文找代码的时候提供很大的便利，分享给大家。Reddit用户rstoj做了一个网站，将ArXiv上的最新机器学习论文与GitHub上的代码（TensorFlow/PyTorch/MXNet /等）对应起来。你可以按标题关键词查询，也可以按流行程度、GitHub星星数排列“热门研究”。这个网站能让你跟上ML社区流行的最新动态。网站地址：

转自：https://www.cnblogs.com/wujianming-110117/p/13119017.html图像超分辨率算法：CVPR2020Unpaired Image Super-Resolution using Pseudo-Supervision论文地址：http://openaccess.thecvf.com/content_CVPR_2020/papers/Maeda_Unpaired_Image_Super-Resolution_Using_Pseudo-Super

转自：https://www.zhihu.com/question/23473262/answer/812989806作者：zahet链接：https://www.zhihu.com/question/23473262/answer/812989806来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。开源的语音识别首先推荐的当然就是ASRT语音识别项目这是一个基于中文的语音识别开源项目，GitHub地址为：nl8590687/ASRT_SpeechRec.

转自：https://blog.csdn.net/Asimov_Liu/article/details/96442990

转自：https://zhuanlan.zhihu.com/p/123211148

转自：https://blog.csdn.net/qq_35054151/article/details/111461066

转自：https://www.jianshu.com/p/639f9ecc1328

转自：https://zhuanlan.zhihu.com/p/52476083

转自：https://zhuanlan.zhihu.com/p/142899098声明一下，这篇文章是参考了其他的博客和论文写的，属于半原创1.介绍深度卷积神经网络在图像分类、目标检测、语义分割等许多视觉理解任务上都取得了重大突破。一个关键的原因是大规模数据集的可用性，比如ImageNet，这些数据集支持对深度模型的培训。然而，数据标记是昂贵的，特别是对于密集的预测任务，如语义分割和实例分割。此外，在对模型进行训练之后，很难将模型应用于新类的预测。与机器学习算法不同的是，人类只看到几个例子就能很

转自：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.1/deploy/android_demo/app/src/main/cpp/preprocess.cpp// fill tensor with mean and scale and trans layout: nhwc -> nchw, neon speed upvoid neon_mean_scale(const float *din, float *dout, int s

转自：https://zhuanlan.zhihu.com/p/89665397本文作者：kurffzhou，腾讯 TEG 安全工程师最近，Nature发表了一篇关于深度学习系统被欺骗的新闻文章，该文指出了对抗样本存在的广泛性和深度学习的脆弱性，以及几种可能的解决方法。安全平台部基础研究组自2017年来在对抗样本的生成及防守方法进行了深入研究，在这里团队通过在攻击方面的经验，分享我们对于防守对抗样本的一些思考，欢迎共同讨论。深度学习在现实生活中的应用越来越广，然而越来越多的例子表明，深度学习系统

转自：https://blog.csdn.net/weixin_43476455/article/details/85764113https://www.zhihu.com/question/264880727http://www.openailab.com/int/ability/list2.html现阶段，边缘人工智能的主要挑战有成本、功耗、AI计算能力，以及软件生态构建等问题。芯片公司被迫花大量精力做上层开发环境和平台，应用/算法公司被迫做大量底层适配优化成为全栈AI公司。如何创造性.

转自：https://zhuanlan.zhihu.com/p/28323601https://blog.csdn.net/qq_30815237/article/details/87914775刚刚出炉的 OpenCV 3.3 版本增加了符合历史进程的新模块 dnn，也就是深度神经网络。dnn 模块其实很早就存在于 opencv_contrib 项目中，这次提到了主项目里，算是转正了。小张琢磨了下，这个 dnn 模块的卖点有这么几个：1）零依赖只依赖 opencv，如果你被 caffe

转自：https://blog.csdn.net/zhuiqiuk/article/details/88653113https://zhuanlan.zhihu.com/p/59148865多目标跟踪，即Multiple Object Tracking(MOT)，主要任务中是给定一个图像序列，找到图像序列中运动的物体，并将不同帧的运动物体进行识别，也就是给定一个确定准确的id，当然这些物体可以是任意的，如行人、车辆、各种动物等等，而最多的研究是行人跟踪，由于人是一个非刚体的目标，且实际应用中行人检测

转自：https://www.163.com/dy/article/G07PMVPO0511ABV6.html作者：gloomyfish　　【新智元导读】本文从原始的三个输出层解析实现了boxes, classes, nms等关键C++代码输出，实现了纯OpenVINO+OpenCV版本的YOLOv5s模型推理的代码演示。下面是详细的系统环境与各个部分解释，以及代码实现与演示图像。　　系统版本信息与依赖　　Window 10 64bit Pytorch1.7+CUDA10.0 Pytho

转自：https://www.zhihu.com/question/400143354作者：阿里巴巴淘系技术链接：https://www.zhihu.com/question/400143354/answer/1310377675来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。端侧AI在这两三年里，可谓高速发展，新应用、新算法、新硬件推陈出新，也不断有新推理引擎涌现。但对引擎的评价方式定格在了三年前，比较的总是ARMv7/ARM64下MobileNet、..

转自：https://www.tensorflow.org/lite/performance/gpu_advancedTensorFlow Lite 在GPU环境下TensorFlow Lite支持多种硬件加速器。本文档介绍如何在安卓系统（要求OpenGL ES 3.1或更高版本）和iOS（要求iOS 8 或更高版本）的GPU后端（backend）使用TensorFLow Lite delegate APIs。使用GPU加速的优势速度GPUs 设计为具有高吞吐量、可大规模并行化的工.

转自：https://new.qq.com/omn/20210111/20210111A0CBRD00.html2021刚刚开启，OpenAI又来放大招了！能写小说、哲学语录的GPT-3已经不足为奇？那就来一个多模态『图像版GPT-3』。今天，OpenAI重磅推出了最新语言模型—DALL·E，它是GPT-3的120亿参数版本，可以魔法一般按照自然语言文字描述直接生成对应图片！比如，在DALL·E模型中输入“穿芭蕾舞短裙、正在遛狗的萝卜宝宝”，它就可以生成这样一张图片：输入“鳄梨形状的扶手

转自：https://zhuanlan.zhihu.com/p/148265115?from_voters_page=true使用人工智能技术实现类似PhotoShop等工具的抠图功能是一个非常有趣且有科研前景的一个方向。和分割算法只有和两个值相比，抠图得到的边缘更加平滑和自然，且包含透明通道信息。抠图方法可以概括为：。其中是输入图像，表示图像的的前景，表示背景，表示该像素为前景的概率，Matting通常是指由图像内容和用户提供的先验信息来推测，以及。从技...

转自：https://blog.csdn.net/leviopku/article/details/81980249很多时候，复现人家工程的时候，需要了解人家的网络结构。但不同框架之间可视化网络层方法不一样，这样给研究人员造成了很大的困扰。前段时间，发现了一个可视化模型结构的神奇：Netron目前的Netron支持主流各种框架的模型结构可视化工作，我直接给出gayhub链接：https://github.com/lutzroeder/Netron支持windows，Linux，mac系统在wi

转自：https://blog.csdn.net/10km/article/details/52724477下载安装Intel MKL打开这里Intel® Math Kernel Library (Intel® MKL),点击”Get This Library for Free”下载一个非商用的免费版本，很简单，只需要提供邮箱，然后按照步骤一步步来就行了，在下载界面上会有显示序列号，务必记下这个序列号。以linux版本为例，我下载的文件为l_mkl_2017.0.098.tgz,解压缩后执行ins

超分辨率高分开源代码github 搜索关键字：super resolution代码地址：https://github.com/nagadomi/waifu2xhttps://github.com/alexjc/neural-enhancehttps://github.com/idealo/image-super-resolutionhttps://github.com/david-gpu/srez超分辨率论文和代码汇总https://github.com/YapengTian/

转自：https://github.com/ChanChiChoi/awesome-Face_Recognition

转自：https://zhuanlan.zhihu.com/p/38031181https://zhuanlan.zhihu.com/p/151212267现在又有一个 AI 能干 Photoshop 的活了——自动抠图，一键去除照片背景。这款 AI 抠图产品已经成型，叫做 GreenScreen。集智体验了一下，效果还不错。比如，我们让 AI 为象征自由的男人——香蕉君抠个图吧。熟悉的原图：然后我们把香蕉君的照片拖到网站上，让 AI 去除背景，说时迟那时快只听...

转自：https://blog.csdn.net/qq_21643227/article/details/105345613文章目录一、介绍 二、剪裁 三、量化 四、蒸馏 五、NAS这是百度飞桨关于PaddleSlim的直播介绍的一点整理，方便日后查看。地址：https://aistudio.baidu.com/aistudio/education/lessonvideo/256291一、介绍PaddleSlim是一个模型压缩工具集，产出好用的“小模型”。二、...

转自：https://zhuanlan.zhihu.com/p/161186907在文本识别模型CRNN中，涉及到了CTC算法的使用，由于算法的原理涉及内容较多，所以特另开一篇文章对其原理进行叙述。自己在学习CTC过程中也是看了诸多资料才大概理解其中的思想，其中最著名的是一篇英文博客，其对CTC算法进行了通俗又详尽地讲解，链接在文末给出。本文的内容也是以其为大纲，同时参考其他优秀的资料，并加上了自己一些的理解，希望能让读者对CTC的原理有一个大致的了解。文章涉及内容较多，难免有疏漏之处，如有错误

转自：http://blog.sina.com.cn/s/blog_602f87700102y62v.html1. Android 8.1 （API-27） NNAPI：人工智能神经网络API(如：TensorFlow)神经网络 API 能够向设备内置机器学习框架，如 TensorFlow Lite —— Google 移动跨平台机器学习框架、Caffe2 等，提供加速运算和推理。TensorFlow Lite 现已对开发者开放，各位可移步 TensorFlow Lite 开源库进行下载和文

转自：https://blog.csdn.net/djstavaV/article/details/86883931原文出处:https://xugaoxiang.com/2019/12/16/hyperlpr/软硬件环境Intel® Xeon® CPU E5-1607 v4 @ 3.10GHz GTX 1070 Ti 32G ubuntu 18.04 64bit anaconda with python 3.6 tensorflow-gpu keras opencv 3.4.3.

转自：https://zhuanlan.zhihu.com/p/43534801文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行识别。所以一般来说，从自然场景图片中进行文字识别，需要包括2个步骤：文字检测：解决的问题是哪里有文字，文字的范围有多少 文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。图1 文字识别的步骤文字检测类似于目标检测，即用 box 标识出图像中所有文字位置。

转自：https://zhuanlan.zhihu.com/p/161186907https://zhuanlan.zhihu.com/p/161186907欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~本文作者：罗冬日目前主流的语音识别都大致分为特征提取，声学模型，语音模型几个部分。目前结合神经网络的端到端的声学模型训练方法主要CTC和基于Attention两种。本文主要介绍CTC算法的基本概念，可能应用的领域，以及在结合神经网络进行CTC算法的计算细节。CTC算法概念

转自：https://zhuanlan.zhihu.com/p/37846011阿里妹导读：近日，阿里巴巴达摩院机器智能实验室开源了新一代语音识别模型DFSMN，将全球语音识别准确率纪录提高至96.04%（这一数据测试基于世界最大的免费语音识别数据库LibriSpeech）。对比目前业界使用最为广泛的LSTM模型，DFSMN模型训练速度更快、识别准确率更高。采用全新DFSMN模型的智能音响或智能家居设备，相比前代技术深度学习训练速度提到了3倍，语音识别速度提高了2倍。开源地址：https://git