- 博客(49)
- 资源 (14)
- 收藏
- 关注
RSS订阅原创 【深度学习实践】文本图片去水印
本文不会介绍具体的去水印算法实现流程，仅介绍大体的思路，供学习之用。去水印是为了得到不带水印的图片，图片的大小并不会改变，也就是说需要一个算法，输入是带水印的图片，输出是不带水印的图片，输入和输出的图片分辨率相同。很容易想到计算机视觉的一个类似的任务-语义分割。语义分割算法可以端到端的对图片每个像素点进行分类，它的输出是各个类别的概率图，但是去水印要求输出的是图片，所以我们可以采用语义分割模型，并对其进行修改，使其适用于水印去除的任务。
2022-11-07 11:05:44
1291
原创 【深度学习实践】基于深度学习的车牌识别（python，车牌检测+车牌识别）
基于深度学习的车牌识别任务可以拆解为2个步骤：车牌检测-车牌识别。其中车牌检测的目的是确认图片中车牌的位置，根据检测到的车牌位置把图片中的ROI裁剪出来，车牌识别算法用于识别裁剪出的车牌图像中的具体内容。本文使用PaddleOCR工具实现了车牌识别任务，首先使用PaddleOCR的检测算法DBNet检测出车牌位置，再将车牌位置裁剪送入文本识别算法CRNN来识别车牌的具体内容。本文总结了PaddleOCR提供的车牌识别方案，并进行了简化，根据识别的结果来看可以很好地检测车牌图像。
2022-11-05 21:53:10
8469
5
原创 【显存优化】深度学习显存优化方法
深度学习gpu的显存至关重要，显存过小的话，模型根本无法跑起来，本文介绍几种显存不足时的优化方法，能够降低深度学习模型的显存要求。
2022-06-27 09:02:03
4225
原创 【模型部署】PaddleOCR模型openvino部署（二）
上一篇博客【模型部署】PaddleOCR模型openvino部署（一）介绍了PaddleOCR检测模型DBNet的部署方法，本篇将介绍文本方向分类、文本识别的 部署方法，同时将检测、方向分类、文本识别模型串联起来，给出完整的部署流程。
2022-04-26 20:59:11
2545
3
原创 【论文笔记】Shunted Self-Attention via Multi-Scale Token Aggregation 论文笔记及实验
Shunted Self-Attention via Multi-Scale Token Aggregation论文笔记。ViT模型在设计时有个特点：在相同的层中每个token的感受野相同。这限制了self-attention层捕获多尺度特征的能力，从而导致处理多尺度目标的图片时性能下降。针对这个问题，作者提出了shunted self-attention，使得每个attention层可以获取多尺度信息。
2022-04-17 16:15:51
5122
原创 【论文笔记】CCNet阅读笔记
上下文信息在语义分割任务中非常重要，CCNet提出了criss-cross attention模块，同时引入循环操作，使得图片中每个像素都可以和其他像素建立联系，从而使得每个像素都可以获得丰富的语义信息
2022-04-14 19:54:36
671
原创 【模型部署】PaddleOCR模型openvino部署（一）
本文将使用openvino部署PaddleOCR官方提供的检测模型，实现文本检测功能。
2022-04-09 12:24:25
4237
7
原创 【论文笔记】DDRNet论文阅读笔记及复现
轻量级语义分割模型大致分为2类：Encoder-Decoder结构（如ESPNet）和two-pathway（如BiSeNet）。类似two-pathway结构，DDRNet使用Dual-resolution，并引入DAPPM（Deep Aggregation Pyramid Pooling Module）模块。在Cityscapes测试集、GPU 2080Ti，DDRNet-23-slim达到102FPS，miou77.4%。
2022-04-08 20:19:55
1256
2
原创 【论文笔记】DeiT论文阅读笔记
针对ViT难训练的问题，DeiT提出参数设置、数据增强、知识蒸馏来更有效地训练ViT。DeiT提出的训练方法成为后续ViT模型的训练标注。
2022-04-05 20:59:42
3754
原创 【论文笔记】Swin-Transformer系列阅读笔记
本文提出了一个计算机视觉任务中的通用backbone模型：Swin Transformer。Swin将self-attention限制在局部窗口内进行，降低了Attention的计算量，同时利用滑动窗口机制使得不同窗口间建立联系，Swin在各个视觉任务屠榜（一个字：强）。...
2022-04-03 19:40:48
2791
原创 【论文笔记】MetaFormer/PoolFormer 论文笔记及体验
Transformer已经证明在计算机视觉任务中有非常大的潜力，一种普遍的看法是基于attention的token mixer模块使transformer具有竞争力。但是将attention用spatial MLP替代后，模型仍然具有非常好的效果。那么是不是transformer的结构而不是attention使其有效呢？作者使用池化层代替transformer中的attention，构建了PoolFormer模型，取得了非常好的效果，ImageNet-1k准确率达到82.1%。证明了Transformer结
2022-04-03 11:38:05
3185
原创 【论文笔记】STDC Net 论文阅读笔记
BiSeNetV1和BiSeNetV2都采用双分支结构（spatial path 和 context path），分别用来提取空间信息和上下文信息，多分支结构计算耗时较多，且使用图像分类任务的预训练模型并不一定适合语义分割任务。STDC对BiSeNet结构做出了改变，移除了spatial分支，同时采用Short-Term Dense Concate network（STDC network）结构并引入辅助头detail head来提取低级细节信息。STDC在citiscapes测试集上mIoU为71.9%，
2022-04-02 18:45:04
1806
原创 【Matting】MODNet：实时人像抠图模型-NCNN C++量化部署
MODNet是一个轻量级Matting模型，之前已经使用python部署MODNet的onnx模型，本章节将使用NCNN部署MODNet，除此之外，对模型进行静态量化，使其存储空间降低为1/4。Matting效果如下：
2022-04-01 17:51:40
4466
17
原创 【深度学习】模型量化-笔记/实验
深度学习的模型参数类型为FP32，每个数值在存储时需要32bit存储空间，若是将其转换为int8或者uint8来保存，那么模型的大小将会降低为1/4。下表为不同精度的数值计算成本，可以看出8bit数值的计算成本远低于32bit计算成本。
2022-03-31 11:35:06
2994
3
原创 【Matting】MODNet：实时人像抠图模型-onnx C++部署
本文将使用C++部署MODNet模型，实现图片Matting和摄像头Matting功能。
2022-03-28 10:40:04
5768
7
原创 【Matting】MODNet：实时人像抠图模型-onnx python部署
MODNet是一个实时Matting的深度学习模型，本文是MODNet的模型部署教程，将MODNet的onnx模型使用python部署，实现了图片Matting，视频Matting等功能。
2022-03-28 09:32:25
5157
5
原创 【Matting】MODNet：实时人像抠图模型-笔记
现有的Matting方法常常需要辅助的输入如tripmap才能获得好的效果，但是tripmap获取成本较高。MODNet是一个不需要Trimap的实时抠图算法，在1080Ti FPS可达到67。
2022-03-27 18:21:53
8618
4
原创 【论文笔记】OCRNet论文阅读笔记
语义分割任务中，像素所属的类别就是像素所在的对象的类别，能不能利用像素和其所属目标的关系呢？OCRNet提出了一个有效方法，利用像素所属的目标的上下文信息来提升像素的表征能力（representation）。
2022-03-25 10:34:44
1675
原创 【论文笔记】ConvNeXt论文阅读笔记
自从ViT出现，在分类任务中很快取代各种CNN网络拿下SOTA。ViT的模型设计结构和传统的CNN结构差异很大，会不会是CNN的设计结构限制了CNN的能力呢？如果把CNN的结构设计成和ViT类似，CNN又会有什么样的表现呢？Transformer的设计结构会影响CNN的性能吗？实验证明，CNN依然有效！仿照Transformer结构，作者对ResNet结构进行修改，实验证明修改后ResNet50的性能超过了Swin-T。
2022-03-23 11:51:03
2804
原创 【语义分割】语义分割上采样方法汇总
在语义分割模型中，一般通过Backbone获得不同分辨率的特征图，然后将特征图融合生成预测结果，在此过程中，不可避免地需要将低分辨率特征图进行上采样提高其分辨率，本文统计了常用的上采样方法，并给出部分上采样算法的numpy实现代码，与opencv进行对比检验代码的正确性。一、插值插值利用像素间的相互关系计算出1、最近邻插值最近邻插值是最简单的插值方法，选取离目标点最近的点作为新的插入点，如下图示例：numpy实现及opencv对比：import cv2from math i.
2022-03-22 18:09:19
2877
原创 【论文笔记】RepLKNet论文阅读笔记
自从VGG提出以后，各种CNN网络层出不穷，但是他们都遵循了VGG的设计思想，通过多个小卷积核叠加来得到大的感受野同时保证较少的参数量（2各3x3的卷积核感受野和5x5的卷积核感受野相同，但是参数18<25）。随着ViT逐渐在各类视觉任务种拿到SOTA的表现，CNN似乎有点后继无力。RepLKNet打破了这种现象，提出使用在CNN网络中使用大的卷积核，RepLKNet在各类视觉任务中获得了SOTA表现。
2022-03-21 20:31:04
2121
原创 【论文笔记】PVT系列论文阅读笔记
ViT适用于处理图像分类任务，但是不适合直接应用到密集预测任务，因为ViT的输出分辨率较低（number of patches）。PVT（Pyramid Vision Transformer）通过巧妙地设计，可以输出高分辨率的特征图，同时引入了SRA（spatial reduction attention）来减少计算量。类似CNN，PVT输出多分辨率特征图，可应用于各类下游任务（语义分割、目标检测等）。
2022-03-19 15:10:00
3459
7
原创 【论文笔记】MPViT论文阅读笔记
传统的ViT模型使用单尺度的PatchEmbedding，MPViT提出使用多尺度PatchEmbedding和多路并行的网络结构，同时移除了cls token。
2022-03-18 21:52:00
730
原创 【深度学习】激活函数合集
神经网络中激活函数的主要作用是提供网络的非线性建模能力，本文包含23种激活函数及其对应的函数图像，也给出pytorch对应的示例可视化代码。
2022-03-18 16:09:43
1375
原创 【语义分割】轻量级人像分割PP-HumanSeg NCNN C++ windows部署
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行。本文将使用NCNN将PP-HumanSeg lite在windows cpu上部署，FPS为18左右。
2022-03-17 22:40:26
2136
9
原创 【论文笔记】MobileNet系列论文阅读笔记
本文为MobileNet系列论文阅读笔记。MobileNet是一个轻量级模型，参数少、推理快，在学术界和工业界都很受欢迎。
2022-03-16 21:24:20
1225
原创 【深度学习】学习率策略合集
深度学习中有各种学习率策略，本文统计了pytorch和paddlepaddle共16种学习率策略，给出示例代码及对应的学习率变化图，相信一定对你有所帮助。
2022-03-16 17:06:08
2972
原创 【论文笔记】Segformer论文阅读笔记
SegFormer是一个简单、高效但功能强大的语义分割模型，它结合了Transformer 与轻量级多层感知 (MLP) 解码器。
2022-03-15 19:22:54
2633
原创 【语义分割】语义分割经典模块
本文将介绍深度学习语义分割任务中常用的几个模块，主要包括：ASPP、PP、Encoding、JPU、DCM几个模块，分析其原理并给出对应的代码实现，相信一定对你有所帮助。
2022-03-15 15:42:00
4439
原创 【论文笔记】ESPNet系列论文笔记
ESPNet是轻量级的网络，目前有ESPNetV1和ESPNetV2共2个版本，本文为论文阅读笔记，包含复现的代码。
2022-03-14 19:32:48
2288
原创 【语义分割】类别不平衡损失函数合集
在语义分割领域，我们会常常遇到类别不平衡的问题。比如要分割的目标（前景）可能只占图像的一小部分，因此负样本的比重很大，导致网络倾向于将所有样本判断为负样本。本文介绍了在数据不平衡时常用的一些损失函数。类别不平衡会出现什么问题呢？假设我们需要训练一个分类器来对黄豆和绿豆分类，用100颗豆子训练分类器，其中99颗黄豆、1颗绿豆，那么分类器会倾向于把所有豆子都分类为黄豆，因为这么做就可以达到99%的准确率。但是我们不希望分类器这么做，所以需要一些方法来提升分类器的性能。一、Weighted Cross E
2022-03-14 17:26:56
7729
2
原创 【论文笔记】DeepLab系列论文阅读笔记
本文为DeepLab系列论文阅读笔记，包括DeepLabV1、DeepLabV2、DeepLabV3、DeepLabV3+。
2022-03-12 18:43:23
3656
原创 【论文笔记】BiSeNetV2论文阅读笔记
论文：BiSeNet V2: Bilateral Network with Guided Aggregation for Real-time Semantic Segmentation论文repo：https://github.com/CoinCheung/BiSeNet一、摘要类似BiSeNetV1的结构，BiSeNetV2有2个分支，分别为Detail Branch 和 Semantic Branch，Detail分支层数少但是通道数多，生成高分辨率的带有细节的特征图；Semantic 分支
2022-03-11 21:46:02
2421
原创 深度学习归一化方法
神经网络学习的本质就是学习数据的分布。如果没有对数据进行归一化处理，那么每一批次训练的数据的分布就有可能不一样。本文介绍了深度学习中常用的几种归一化方法，并且使用numpy实现了几种方法，相信一定能让你有所收获。
2022-03-09 20:59:56
5234
原创 深度学习梯度裁剪策略及numpy实现
神经网络是通过梯度下降来进行网络学习，随着网络层数的增加，"梯度爆炸"的问题可能会越来越明显。例如：在梯度反向传播中，如果每一层的输出相对输入的偏导 > 1，随着网络层数的增加，梯度会越来越大，则有可能发生 "梯度爆炸"。如果发生了 "梯度爆炸"，在网络学习过程中会直接跳过最优解，所以有必要进行梯度裁剪，防止网络在学习过程中越过最优解。本文实现了3中梯度裁剪策略，并与pytorch/paddle实现的方法进行对比。一、clip by value设置梯度范围为[-value, value
2022-03-06 20:38:55
701
pp-ocrv2 python openvino部署代码
2022-04-26
MODNet NCNN C++部署代码，及其模型
2022-04-01
MODNet官方onnx及其转换的ncnn模型、NCNN量化后模型
2022-04-01
modnet onnx C++部署，实现了图像matting，摄像头matting功能
2022-03-28
modnet onnx python部署，实现了图像matting，视频matting，摄像头matting功能
2022-03-28
深度学习几种上采样方法代码，最近邻插值，双线性插值，pixelshuffle，unpool，逆卷积等示例代码
2022-03-22
轻量级PP-HumanSeg lite人像分割模型NCNN C++部署代码和模型
2022-03-17
深度学习各类学习率调整策略示例代码
2022-03-16
yolov3实现跌倒检测，仅包含预测代码
2022-02-25
yolov3水果检测代码，仅包含预测部分代码，能检测苹果香蕉橘子3种水果
2022-02-25
遗传算法求解8皇后问题的python实现
2021-05-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人