- 博客(5)
- 收藏
- 关注
RSS订阅原创 回头看SE注意力机制及其PyTorch实现
2017年，Hu等人发表了《Squeeze-and-Excitation Networks》，在文中创新性地提出了一种基于特征通道关系的轻量化模块，并将其称之为SE（Squeeze-and-Excitation） block，即SE注意力机制。这一模块为当时已经达到SOTA（state-of-the-art）水平的网络模型带来了进一步的效果提升，凭借其出色的效果和即插即用的特性，SE注意力机制成为了软注意力机制中的经典。
2023-05-14 14:38:52
952
1
原创 回头看ResNet及其PyTorch实现
2015年，何恺明等人在《Deep Residual Learning for Image Recognition》中提出了ResNet的新型网络结构，ResNet一经提出便以接连斩获ImageNet目标检测、图像分类，COCO目标检测、图像分割比赛的多项冠军，为深层网络模型的训练开辟了新的思路。
2023-04-24 19:04:21
90
1
原创 回头看AlexNet及其PyTorch实现
作为深度学习奠基作之一，《ImageNet Classification with Deep Convolutional Neural Networks》由Alex Krizhevsky等人在2012年发表，AlexNet就此横空出世，并以巨大的优势赢得了2012年ImageNet图像识别挑战赛冠军，一举打破了当时计算机视觉研究的现状。
2023-04-22 16:25:44
103
1
原创 Learning Memory-guided Normality for Anomaly Detection 论文解析——模型介绍
Learning Memory-guided Normality for Anomaly Detection模型介绍本文为对 Learning Memory-guided Normality for Anomaly Detection一文所提出的创新模型的介绍。如图所示，该模型为对传统卷积自编码器的优化，主要模块可分为三个部分：Encoder、Memory Module和Decoder。Network architectureEncoder and Decoder本文在U-Net的基础上对Enc
2021-11-09 23:39:23
1594
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人