论文
文章平均质量分 81
thetffs
这个作者很懒,什么都没留下…
展开
-
YOLOV系列名词大白话解释
计算AP都需要得到不同recall下precision的值,由于recall=TP/(all gt nums),所以只要得到不同的TP即可得到不同的recall值,而想要增加或减少TP的方式,只能是让用于计算TP的总预测框数量变多/变少,即动态的调整score的阈值,让更多/更少的预测框参与计算。理解为不同recall值时对应的precision的平均值。accuracy:准确率,所有预测对的情况占所有预测结果的比值,针对的是全类别。precision:精确度,所有的预测为正样本的情况下,预测对了的概率。原创 2022-12-23 15:10:14 · 817 阅读 · 1 评论 -
YOLOV3论文学习
在本文的实验中才用了COCO数据集,在每个尺度上预测出3个边界框,因此预测得到的tensor维度是 N * N * [3 * (4 + 1 +80)],其中4代表边界框的偏移,1表示目标置信度,80表示COCO数据集80个分类。如果一个目标的先验框和gound truth重合,则目标置信度得分为1.如果先验框的目标置信度得分不是1,我国通过设定阈值,将目标置信度得分小于阈值的预测过滤掉,根据论文【17】,我们把阈值设定为.5。因此第三个尺度的预测得益于此前所有的计算,并且得益于更早网络层中细粒度的特征。原创 2022-12-23 15:08:06 · 819 阅读 · 0 评论 -
论文理解--DEEP COMPRESSION
结论:大权值比小权值影响力更大,但是同时它们的数量更少,因此在Forgy和density-based方法中,非常少的中心位于大权值处,因此不能很好的代表大权值。实验思路:用不同的bit位表示中心,并使用3.2小节提到的三种初始化中心的方法linear、density,forgy。数据集的特征值在SVD中用奇异值来表征,按照重要性排列,降维过程就是舍弃不重要的特征向量的过程,而剩下的特征向量组成的空间即为降维后的空间。根据字符出现的概率性成熟表,出现概率越高的字符,需要越短的编码来表示。原创 2022-12-23 15:05:02 · 1093 阅读 · 0 评论 -
Note_Benchmark Analysis of Representative Deep Neural Network Architectures
ABSTRACT本文关注的DNNs的性能指标包含:recognition accuracy, model complexity, computational complexity, memory usage, and inference time。本文DNNs实验的平台包含:a NVIDIA Titan X Pascal:12 TeraFlopsa NVIDIA Jetson TX1 board:1 TeraFlops本文实验所用数据集:ImageNet-1k本文目标:1、a complet原创 2021-03-09 15:06:34 · 379 阅读 · 1 评论 -
Note_TinyML for Ubiquitous Edge AI
What is TinyML(Tiny machine learning)?enabling deep learning algorithms on embedded (microcontroller powered) devices operating at extremely low power range (mW range and below).what challenges TinyML foucuses on?1、designing power-efficient2、compact de原创 2021-03-08 18:40:25 · 417 阅读 · 0 评论