![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 70
Vorüarn0362
研究方向:PyTorch深度学习、语义分割、显著目标检测、时空序列预测、前后端(Vue、SSM、SpringBoot、SpringCloud等)
展开
-
【论文讲解】SegFormer: Simple and Efficient Design for Semantic Segmentation with Transformers
SegFormer是一个简单,高效但强大的语义分割框架,它将Transformer与轻量级MLP解码器统一起来。主要特点: 1)一个新的层次结构的Transformer编码器,它输出多尺度特征。它不需要位置编码,从而避免了位置码的插值,当测试分辨率与训练不同时,会导致性能下降。2)避免了复杂的解码器。所提出的MLP解码器聚合了来自不同层的信息,从而结合了局部注意和全局注意,呈现出强大的表示能力。作者证明,这种简单和轻量级的设计是Transformer高效分割的关键。原创 2023-04-26 16:23:52 · 1105 阅读 · 0 评论 -
【论文讲解】CMT: Convolutional Neural Networks Meet Vision Transformers
【论文讲解】CMT: Convolutional Neural Networks Meet Vision Transformers原创 2023-04-18 11:30:09 · 2065 阅读 · 0 评论 -
YOLOv5 Common modules 常用组件结构图 in common.py
YOLOv5 Common modules 常用组件结构图原创 2023-02-11 20:31:32 · 108 阅读 · 0 评论