深度学习经典文章理论及分析
文章平均质量分 74
梦在黎明破晓时啊
这个作者很懒,什么都没留下…
展开
-
用于不对称卷积的验证参数的小程序
【代码】用于不对称卷积的验证参数的小程序。原创 2024-01-28 21:05:24 · 485 阅读 · 0 评论 -
轻量级卷积神经网络的设计技巧
如使用kernel size=3,stride=1,padding=1,可以保证特征图的空间分辨率不变,1x1的卷积设置stride=1,padding=0达到相同的目的,而且1x1卷积运算的效率目前有很多底层算法支持,效率更高。在实际业务中,Retinanet仅需要检测证件,不涉及过多的类别物体的定位和分类,因此,我认为仅仅更换上述两个骨架网络来优化模型的性能是不够的,需要针对证件检测任务,专门设计一个更加轻量的卷积神经网络来提取、糅合特征。假设保证有足够多的训练的数据,轻量网络训练会更加容易。原创 2023-12-27 16:22:59 · 838 阅读 · 0 评论 -
C3: Concentrated-Comprehensive Convolution and its application to semantic segmentation
❝ 轻量化语义分割网络多采用深度可分离卷积和空洞卷积结合的方式,提升性能的同时保持尽可能大的感受野,但是前者对于标准卷积的不恰当近似和后者存在的空格效应,使得特征图信息丢失,模型表现不佳。为此文章提出C3模块即"Concentrated-Comprehensive Convolution Block",用于构建新型的轻量化语义分割网络。原创 2023-12-25 23:31:40 · 944 阅读 · 1 评论