![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 70
qq_43222384
这个作者很懒,什么都没留下…
展开
-
LSTR 效果复现踩坑
论文链接:https://arxiv.org/pdf/2011.04233.pdf论文出处:WACV2020论文代码:https://github.com/liuruijin17/LSTR研发团队:西安交通大学人工智能与机器人研究所过程踩坑:基于tusimple 数据集从零训练训练,过程中出现 loss 下降至一个局部最优解,此时loss 在15 附近,无法继续收敛下降 。原因分析: 使用的Adam 优化器,batch_size=8, lr 从1 ,开始,想法是开始用大学习率让loss 快速下原创 2021-11-11 16:43:50 · 1299 阅读 · 3 评论 -
基于摄像头的车道线检测方法一览
首发于自动驾驶的挑战和发展写文章基于摄像头的车道线检测方法一览黄浴自动驾驶话题下的优秀答主174 人赞同了该文章车道线,重要的路上语义信息,检测车道线对L2-L3-L4级别的自动驾驶系统都是重要的。基本方法也可以分成:一传统方法;二深度学习方法。一般车道线检测系统多是基于单目图像,早期算法多是传统方法。基本上分成几个模块:图像清理(障碍物遮挡检测,阴影消除,曝光矫正),特征提取(道路/车道线检测),道路/车道线模型拟合(横向/纵向),时域整合(前后帧)和图像-物理空间(路面坐标系)的对应等。 "A Lea转载 2021-06-18 10:58:31 · 3227 阅读 · 0 评论 -
pytorch模型转成ONNX
使用conda 虚拟环境Python3.6.8 Pytorch1.1版本, torchvision 0.3.0版本安装:pip install onnx onnxruntimeyolov3 pytorch 模型转onnx 代码:参考pytorch教程:https://pytorch.org/tutorials/advanced/super_resolution_with_onnxruntime.html# Some standard importsfrom models import *im原创 2021-02-10 20:51:45 · 629 阅读 · 0 评论 -
神经网络模型可视化工具、参数量、Flops 统计工具
神经网络模型感受野计算工具caffe模型可视化工具pytorch中模型参数量 可用torchsummary summary 统计import torchfrom torchsummary import summaryfrom nets.yolo4_tiny import YoloBodyif __name__ == "__main__": # 需要使用device来指定网络在GPU还是CPU运行 device = torch.device('cuda' if torch.cu原创 2020-07-28 10:10:52 · 2741 阅读 · 2 评论 -
当前深度神经网络模型压缩和加速方法速览
本期推荐的论文笔记来自 PaperWeekly 社区用户 @yanjoy。本文全面概述了深度神经网络的压缩方法,主要可分为参数修剪与共享、低秩分解、迁移/压缩卷积滤波器和知识精炼,论文对每一类方法的性能、相关应用、优势和缺陷等方面进行了独到分析。关于作者:小一一,北京大学在读硕士,研究方向为深度模型压缩加速。个人主页:http://yanjoy.win■ 论文 | A Surv...转载 2019-11-26 13:45:32 · 511 阅读 · 0 评论 -
纵览轻量化卷积神经网络:SqueezeNet、MobileNet、ShuffleNet、Xception
机器之心专栏作者:余霆嵩本文就近年提出的四个轻量化模型进行学习和对比,四个模型分别是:SqueezeNet、MobileNet、ShuffleNet、Xception。目录一、引言 二、轻量化模型 2.1 SqueezeNet 2.2 MobileNet 2.3 ShuffleNet 2.4 Xception三、网络对比 一、引言自 2012 年 AlexNet 以来,卷...转载 2019-11-13 16:34:50 · 205 阅读 · 0 评论 -
CRelu --ICML2016
本文链接:https://blog.c...转载 2019-11-01 14:17:54 · 191 阅读 · 0 评论 -
SEnet:最后一届 ImageNet 2017 竞赛 Image Classification 任务的冠军
论文:Squeeze-and-Excitation Networks论文链接:https://arxiv.org/abs/1709.01507作者代码地址:https://github.com/hujie-frank/SENetPyTorch代码地址:https://github.com/moskomule/senet.pytorch以下转自:http://www.sohu.com/a/1...转载 2019-08-08 16:51:20 · 1092 阅读 · 0 评论 -
CNN网络架构演化
CNN网络架构演进:从LeNet到DenseNet 转自:https://www.cnblogs.com/skyfsm/p/8451834.html 作者:冠军的试炼卷积神经网络可谓是现在深度学习领域中大红大紫的网络框架,尤其在计算机视觉领域更是一枝独秀。CNN从90年代的LeNet开始,21世纪初沉寂了10年,直到12年AlexNet开始又再焕发第二春...转载 2019-06-01 17:46:54 · 395 阅读 · 0 评论 -
语义分割网络--U-net
U-net: Convolutional Networks for Biomedical Image Segmentation(2015)论文地址:http://www.arxiv.org/pdf/1505.04597.pdf(此网络用于分割细胞图像)论文翻译:https://blog.csdn.net/natsuka/article/details/78565229源码(基于caffe)...原创 2019-05-30 16:31:56 · 389 阅读 · 0 评论 -
神经网络模型计算量,参数量,复杂度,forward time
模型参数量(空间复杂度):空间复杂度决定了模型的参数数量。模型计算量(时间复杂度),直接决定模型的forward time ,决定了模型的训练/预测时间。如果复杂度过高,会导致模型训练和预测耗费大量时间,既无法快速的验证想法和改善模型,也无法做到快速的预测。https://blog.csdn.net/laolu1573/article/details/79196160时间复杂度时间复杂度即...原创 2019-05-25 15:02:39 · 16314 阅读 · 0 评论 -
126篇殿堂级深度学习论文分类整理 从入门到应用(下)
126篇殿堂级深度学习论文分类整理 从入门到应用(下)3 应用3.1 自然语言处理 (NLP)█[1] Antoine Bordes, et al. "Joint Learning of Words and Meaning Representations for Open-Text Semantic Parsing." AISTATS(2012) [pdf] ★★★★地址:https://...转载 2019-03-27 13:50:53 · 180 阅读 · 0 评论 -
126篇殿堂级深度学习论文分类整理 从入门到应用(上)
126篇殿堂级深度学习论文分类整理 从入门到应用(上)来源:雷锋网█ 如果你有非常大的决心从事深度学习,又不想在这一行打酱油,那么研读大牛论文将是不可避免的一步。而作为新人,你的第一个问题或许是:“论文那么多,从哪一篇读起?”本文将试图解决这个问题——文章标题本来是:“从入门到绝望,无止境的深度学习论文”。请诸位备好道具,开启头悬梁锥刺股的学霸姿势。开个玩笑。但对非科班出身的开发者而言,...转载 2019-03-27 13:48:29 · 269 阅读 · 0 评论