![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 94
大笨钟47
这个作者很懒,什么都没留下…
展开
-
Towards Real-Time Multi-Object Tracking(JDE)
JDE原创 2022-07-27 13:56:43 · 2499 阅读 · 0 评论 -
紧凑的深度特征表示
压缩特征编码原创 2022-06-17 17:28:19 · 1295 阅读 · 0 评论 -
SWinIR概述
1.概要图像恢复是一个长期存在的低水平视觉问题,它旨在从低质量的图像(例如,缩小比例、有噪声和压缩的图像)中恢复高质量的图像。该文提出了一种基于Swin变换的强基线模型SwinIR。SwinIR由浅层特征提取、深度特征提取和高质量的图像重建三部分组成。特别地,深度特征提取模块由几个残余的Swin变压器块(RSTB)组成,每个块都有几个Swin变压器层和一个残余连接。该文对三个具有代表性的任务进行了实验:图像超分辨率(包括经典、轻量级和真实世界的图像超分辨率)、图像去噪(包括灰度和彩色图像去噪)和JPEG压原创 2022-03-01 23:52:55 · 8608 阅读 · 5 评论 -
Spatial Pyramid Pooling
1. 摘要现有的深度卷积神经网络(CNNs)需要一个固定大小的(例如,224×224)的输入图像。这个要求是“人工的”,可能会降低对任意大小/尺度的图像或子图像的识别精度。在这项工作中,我们为网络配备了另一种池化策略,即“空间金字塔池化”,以消除上述需求。新的网络结构,称为SPP-net,可以生成一个固定长度的表示,而不管图像的大小/规模。金字塔池对对象变形也具有鲁棒性。有了这些优点,SPP-net一般应该改进所有基于cnn的图像分类方法。2. 介绍我们正在目睹我们的视觉社区的一个快速、革命性的变化,原创 2022-02-06 11:28:24 · 2609 阅读 · 0 评论 -
PReLu
1. 摘要在ReLuReLuReLu的基础上作者提出了PReLuPReLuPReLu,在几乎没有增加额外参数的前提下既可以提升模型的拟合能力,又能减小过拟合风险。针对的ReLu/PReLuReLu/PReLuReLu/PReLu矫正非线性,作者设计了一个鲁棒的的参数初始化方法。2. 介绍在过去几年,随着更强大网络模型的构建和有效防止过拟合策略的设计,我们在视觉识别任务上取得了长足的进步。一方面,由于网络复杂性的增加(比如增加深度、扩大宽度)、小步长的使用、新的激活函数和更成熟的网络层设计,神经网络变原创 2022-02-04 17:15:22 · 6093 阅读 · 0 评论 -
TSM: Temporal Shift Module for Effificient Video Understanding
1. 摘要视频流的爆炸性增长给在高精度和低计算成本下执行视频理解带来了挑战。传统的二维神经网络计算成本很低,但不能捕获时间关系;基于3DCNN的方法可以获得良好的性能,但计算量密集,部署成本高昂。该文提出了一种通用、高效的时移模块(TSM)。具体来说,它可以达到3DCNN的性能,但又保持了2DCNN的复杂性。TSM沿着时间维度移动部分通道;从而促进了相邻帧之间的信息交换。它可以插入到二维cnn中,以实现零计算和零参数的时间建模。2. 介绍硬件高效的视频理解是迈向现实世界部署的重要一步,无论是在云上还是原创 2022-02-02 20:31:26 · 1033 阅读 · 0 评论 -
U-Net网络(一 输入)
引言小编初学U-Net网络。先一步步给出一些理解,后续内容再更新。U-Net网络结构我们先来看一下u-Net的网络结构:网络是一个经典的全卷积网络(即网络中没有全连接操作)。网络的输入是一张 [公式] 的边缘经过镜像操作的图片(input image tile),关于“镜像操作“会在1.2节进行详细分析,网络的左侧(红色虚线)是由卷积和Max Pooling构成的一系列降采样操作,论文中将这一部分叫做压缩路径(contracting path)。压缩路径由4个block组成,每个block使用了3原创 2020-10-14 14:50:13 · 2810 阅读 · 0 评论 -
深度学习中IU、IoU(Intersection over Union)的概念理解以及python程序实现(转载)
深度学习中IU、IoU(Intersection over Union)的概念理解以及python程序实现(转载)转载于:https://blog.csdn.net/iamoldpan/article/details/78799857IoU(Intersection over Union)Intersection over Union是一种测量在特定数据集中检测相应物体准确度的一个标准。我们可以在很多物体检测挑战中,例如PASCAL VOC challenge中看多很多使用该标准的做法。通常我们在转载 2020-09-02 21:38:42 · 249 阅读 · 0 评论