深度学习
holeung
东南大学
展开
-
[论文极简笔记] Efficient Neural Architecture Search via Parameter Sharing(Arxiv 1802)
ENAS是对NAS的改进。NAS存在的问题是它的计算瓶颈,因为NAS是每次将一个子网络训练到收敛,之后得到相应的reward,再将这个reward反馈给RNNcontroller。但是在下一轮训练子网络时,是从头开始训练,而上一轮的子网络的训练结果并没有利用起来。当我们把上图中所有 Layer 连成一条直线的模型改成右边交叉连线的模型,显然两者是不同的 Graph,而前一个导出模型权重...原创 2019-07-05 20:52:18 · 3213 阅读 · 0 评论 -
[论文笔记] (CVPR2019) FastFCN:Rethinking Dilated Convolution in the Backbone for Semantic Segmentation
原创 2019-08-15 00:22:13 · 1040 阅读 · 0 评论 -
[论文笔记] (CVPR2019) DeeperLab: Single-Shot Image Parser
原创 2019-08-15 00:15:07 · 814 阅读 · 0 评论 -
[论文笔记] (CVPR2019) DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation
原创 2019-08-15 00:08:19 · 744 阅读 · 1 评论 -
[论文笔记] (CVPR2019) Structured Knowledge Distillation for Semantic Segmentation
[论文笔记] (CVPR2019) Structured Knowledge Distillation for Semantic Segmentation原创 2019-08-04 09:09:06 · 1238 阅读 · 0 评论 -
[论文笔记] (CVPR2019) Panoptic Feature Pyramid Networks
[论文笔记] (CVPR2019) Panoptic Feature Pyramid Networks原创 2019-08-04 09:06:03 · 663 阅读 · 0 评论 -
[论文笔记] (CVPR2019) Mask Scoring R-CNN
[论文笔记] (CVPR2019) Mask Scoring R-CNN原创 2019-08-04 09:03:04 · 314 阅读 · 0 评论 -
[论文笔记] (CVPR2019) Attention-guided Unified Network for Panoptic Segmentation
[论文笔记] (CVPR2019) Attention-guided Unified Network for Panoptic Segmentation原创 2019-08-04 09:00:12 · 1519 阅读 · 0 评论 -
[论文笔记] (CVPR2019) UPSNet: A Unified Panoptic Segmentation Network
[论文笔记] (CVPR2019) UPSNet: A Unified Panoptic Segmentation Network原创 2019-08-04 08:53:53 · 648 阅读 · 0 评论 -
[论文笔记] Panoptic Segmentation with a Joint Semantic and Instance Segmentation Network
[论文简记] Panoptic Segmentation with a Joint Semantic and Instance Segmentation Network原创 2019-08-04 08:49:11 · 236 阅读 · 0 评论 -
[论文笔记] (CVPR2019) An End-to-End Network for Panoptic Segmentation
[论文笔记] (CVPR2019) An End-to-End Network for Panoptic Segmentation```原创 2019-08-04 08:46:18 · 582 阅读 · 0 评论 -
[论文笔记] (CVPR2019) Panoptic Segmentation
[论文笔记] (CVPR2019) Panoptic Segmentation原创 2019-08-04 08:41:58 · 888 阅读 · 1 评论 -
[论文简记] (CVPR19) Decoders Matter for Semantic Segmentation
该文章提出了一种不同于双线性插值的上采样方法,能够更好的建立每个像素之间预测的相关性。得益于这个强大的上采样方法,模型能够减少对特征图分辨率的依赖,能极大的减少运算量。该工作在 PASCAL VOC 数据集上达到了 88.1% 的 mIOU,超过了 DeeplabV3 + 的同时只有其 30% 的计算量。在之前的语义分割方法中,双线性插值通常作为其最后一步来还原特征图的分辨率,由于非线性...原创 2019-07-29 10:46:25 · 390 阅读 · 2 评论 -
[论文笔记] (CVPR2019) YOLACT: Real-time Instance Segmentation
原创 2019-08-15 00:25:16 · 961 阅读 · 0 评论