![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
【论文笔记】
deepindeed
https://github.com/cwlseu
展开
-
DenseNet: Densely Connected CNN
文章来源arxivtorch代码地址caffe模型地址突出贡献In this paper, we propose an architecture that distills this insight into a simple connectivity pattern: to ensure maximum information flow between layers in th...原创 2019-12-28 15:12:15 · 411 阅读 · 0 评论 -
DSSD:Deconvolution Single Shot Detector
论文来源作者: http://www.cs.unc.edu/~wliu/论文: https://arxiv.org/abs/1701.06659效果展示: http://www.cs.unc.edu/~cyfu/dssd_lalaland.mp4其中主要展示的是对大物体-- 人物的追踪比较多,其他物体比重不大。Abstract采用Residual-101代替VGG网络 引入...原创 2019-12-25 11:47:27 · 272 阅读 · 0 评论 -
论文笔记:A Gift from Knowledge Distillation
来源CVPR2017名词解释迁移学习迁移学习的效果与知识的表示是很相关的。Because a DNN uses many layers sequentially to map from the input space to the output space, the flow of solving a problem can be defined as the relatio...原创 2019-12-25 11:22:38 · 758 阅读 · 0 评论 -
Google News Personalization:Scalable Online Collaborative Filtering
Abstract这篇论文介绍了google news推荐系统的实现。在用户量很大的前提下,原有的推荐算法适用性较差,需要对其进行改进,例如使用mapreduce,bigtable等技术提高运算速度,综合考虑多种推荐算法等等。google news的特点处理google news的一些难点scalability:google news访客较多,新闻数据也较多 item chur...原创 2019-12-25 11:48:20 · 629 阅读 · 0 评论 -
CV算法的数据增强策略
引言从AlexNet夺取ImageNet的冠军,到RCNN的出现,再到后来的SSD算法,数据增强仿佛像是一位功成名就的老者,虽然数据增强对于算法性能的提升起到重要的作用,但是他从来不居功,默默在背后付出"众里寻他千百度",只为让你"蓦然回首,她在灯火阑珊处"。数据增强(Data Augmentation)的目的与作用卷积神经网络能够鲁棒地将物体分类,即便物体放置在不同的方向上,这也就是所说不...原创 2019-12-22 17:01:16 · 1450 阅读 · 0 评论 -
检测算法SSD中的数据增强分析
layout: posttitle: “深度学习:检测算法SSD中的数据增强分析”categories: [project]tags: [深度学习, detection, CV算法]description: “数据增强技术在CV研究中对于提高Performance是重要的研究话题。尤其是在物体检测方面,业界流行的方法中对具体方法之外,往往通过数据增强技术再次提高几个百分点。”SSD(...原创 2019-12-22 16:43:26 · 812 阅读 · 1 评论 -
论文笔记: PVANet: Lightweight Deep Neural Networks for Real-time Object Detection
论文下载arxiv papercodeAbstract使用"Feature Extraction+Region Proposal+RoI Classification" 的结构,主要对Feature Extraction进行重新设计。因为,Region Proposal部分计算量不太大而且classification部分可以使用通用的技术(例如:Truncated SVD) 进行有效...原创 2019-12-22 11:39:37 · 522 阅读 · 0 评论