- 博客(5)
- 资源 (3)
- 收藏
- 关注
RSS订阅转载 Attention注意力机制与self-attention自注意力机制（转载）
原文链接：Attention注意力机制与self-attention自注意力机制 - 知乎Attention注意力机制与self-attention自注意力机制为什么要因为注意力机制在Attention诞生之前，已经有CNN和RNN及其变体模型了，那为什么还要引入attention机制？主要有两个方面的原因，如下：（1）计算能力的限制：当要记住很多“信息“，模型就要变得更复杂，然而目前计算能力依然是限制神经网络发展的瓶颈。（2）优化算法的限制：LSTM只能在一定程度上缓解RNN中的长距离依
2021-11-04 19:57:35
2357
转载 目标检测之殇——小目标检测（转载）
原文链接：目标检测之殇——小目标检测 - 知乎目标检测作为一项发展了20年的技术，技术层面已经非常成熟，涌现了一大批如Faster R-CNN、RetinaNet、YOLO等可以在工业界实用的目标检测方法，但小目标检测性能差的问题至今也没有被完全解决。因为Swin Transformer的提出，COCO test-dev上的已经刷到61 ，但小目标检测性能（即）和大目标检测性能（即）仍然差距悬殊，是的1.7倍（74 AP vs 44 AP）。从某方面讲，现在COCO刷不上去的一个主要原...
2021-11-04 19:54:28
1837
2
原创 笔记：反卷积---对于反卷积的理解
声明：博主只是一个SR小菜鸟，这篇文章是博主自己的笔记，仅供参考。刚刚开始学习图像超分辨率的时候，我找了几篇这方面的论文，其中就有超分的开山之作：Learning a Deep Convolutional Network for Image Super-Resolution论文链接：https://arxiv.org/abs/1501.00092刚开始我以为这篇文章通过反卷积来将图像的分辨率调高的，但是阅读了文章后发现我错的离谱。所以我找了一篇关于反卷积的文章来学习。原文链接：CNN
2021-10-25 19:50:50
671
原创 python中.item的使用方法举例
python中，关于.item的使用方法的举例。import torcha = torch.tensor(5)print(a)print(a.item)运行结果:tensor(5)5
2021-10-18 09:19:47
485
用pytorch实现超分经典模型SRCNN
2021-10-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人