深度学习
文章平均质量分 88
Jiangnan_Cai
这个作者很懒,什么都没留下…
展开
-
最容易理解的优化器的公式表示(BGD,SGD,SGDM,Adagrad,RMSProp,Adam)
BGD,MBDG,SGD,SGDM,Adagrad,RMSProp,Adam的公式表达原创 2024-05-10 16:21:04 · 477 阅读 · 0 评论 -
【目标检测】YOLOv7 网络结构(与 YOLOv4,YOLOv5 对比)
YOLOv7 的 backbone 与 YOLOV5 对比,YOLOv7 的 neck 和 head 与 YOLOv4 对比原创 2024-04-23 15:20:27 · 1085 阅读 · 0 评论 -
【目标检测】Yolov7 的 ELAN 和 E-ELAN 模块演进(涉及到分组卷积,cardinality,梯度路径)
ELAN,E-ELAN,VovNet,CspVovNet,DenseNet原创 2024-04-23 11:09:57 · 1903 阅读 · 0 评论 -
【目标检测】YOLOv6 的网络结构,图解RepBlock重参数化
YOLOv6 是美团推出的,在这个版本里面,不再使用之前 YOLOv4 和 YOLOv5 的带 CSP 结构的 CSPDarknet-53 作为 backbone 了,而是在 RepVGG 的启发下,推出了新的 EfficientRep 作为 YOLOv6 的 backbone。简单来说,在训练和推理的时候采用不同的结构,在训练的时候采用多分支结构进行训练,但是在推理的时候使用单分支,即保留了训练多分支的准确度,又兼具推理时单分支的速度。原创 2024-04-01 13:39:54 · 1406 阅读 · 0 评论 -
【目标检测】YOLOv5 网络结构,bottleneckCSP 与 C3 模块图解
YOLOv5 作为 YOLO 家族的第五个版本,本身也演进了几个子版本,现在网上的资料都没有标注具体是哪个子版本的,导致不同文章之间各种混乱,像是盲人摸象。其实官方的里对各个版本的变动其实都讲得非常清楚了。下面简单说一下各版本用到的模块:V1.0版本V2.0版本在V1.0版本基础上删去nn.Conv2d,并且Detect指定为17, 20, 23层输出。V4.0版本用C3代替了BottleneckCSP,而其他的结构不变。CBL 也换成了 CBS,使用 SiLU 作为激活函数。原创 2024-03-29 09:09:03 · 3846 阅读 · 1 评论 -
【目标检测】YOLOv4 网络结构
YOLOv4 的网络结构原创 2024-03-27 14:37:51 · 1004 阅读 · 0 评论 -
【目标检测】图解 YOLOv3 的网络结构(Darknet-53 作为 backbone)
Darknet-53 作为 backbone 的 YOLOv3 网络结构图解原创 2024-03-19 15:56:16 · 1225 阅读 · 0 评论 -
【目标检测】YOLOv2 网络结构(darknet-19 作为 backbone)
YOLOv2 网络结构原创 2024-03-18 17:13:03 · 1259 阅读 · 3 评论 -
【目标检测】原始的 YOLOv1 网络结构(GoogLeNet 作为 backbone 的实现)
yolov1 使用 GoogLeNet 作为 backbone 的网络结构实现全解析。原创 2024-03-16 17:24:30 · 884 阅读 · 0 评论 -
【阅读笔记】通俗易懂的 transformer 笔记
这篇文章是关于《如何从浅入深理解transformer》 的一个阅读笔记。因为是第一次接触 transformer,找了半天,感觉这篇文章作为入门来说还不错,可以将整个发展的历程串联起来讲。但是这毕竟是一篇阅读笔记,我只会对个人不太清楚的概念详细了解。原创 2024-03-06 14:23:09 · 625 阅读 · 0 评论 -
【目标检测】RCNN 的边界框回归损失函数
从 rcnn 的边界回归 讲到 岭回归与最小二乘法原创 2023-11-13 11:56:16 · 760 阅读 · 0 评论 -
【目标检测】SSD损失函数详解
SSD 损失函数详细解析原创 2023-11-06 16:50:15 · 720 阅读 · 0 评论 -
一步步理解花式索引(fancy index)
从零一步步推导和理解numpy和pytorch中的花式索引原创 2023-09-07 16:35:40 · 156 阅读 · 0 评论 -
【YoloV1】损失函数最贴近公式的实现+解读(pytorch)
最简单理解的yolov1损失函数代码原创 2023-08-11 14:50:48 · 429 阅读 · 0 评论 -
浅入浅出讲解 Inception 家族的网络(万字长文)
在 Inception 之前,人们的路径依赖就是,通过更深的卷积层级来获得更高的准确率和性能,但是这种无脑加深网络的方式导致参数量变大,随之而来 2 个显而易见的问题,第一是容易过拟合,第二是需要更多的计算资源。与 Inception V1(GoogLeNet) 同年推出的 VggNet 是当时的集大成者,它可以提供很深的层级和很好的泛化能力,而且在多项任务中都获得了很好的效果。原创 2023-08-08 14:22:38 · 1042 阅读 · 1 评论 -
简单的四则运算识别计算网络
CROHME数据集提取,MobileNet,四则运算原创 2022-10-13 17:49:32 · 970 阅读 · 10 评论 -
pytorch
也就是说,reshape操作也不一定会开辟新的内存空间,如果tensor是连续的话,实际上调用的view的实现,而当tensor不连续且步长不兼容的时候,就会对tensor进行深拷贝。相当于tensor的一个引用,通过它会直接对原tensor进行操作,不会产生拷贝,只能对满足张量连续性条件(contiguous)的tensor进行操作。:通过加载了权重的模型实例来进行调用,可以查看模型的全部参数。对tensor的维度进行交换之后,才会不满足条件,这时候就需要使用。可以对任意tensor进行操作,相当于。原创 2022-10-10 17:44:33 · 565 阅读 · 0 评论 -
YoloPose的onnx视频推理
YoloPose的onnx视频推理的实现,讲解,介绍原创 2022-07-23 10:54:20 · 3403 阅读 · 38 评论