CV Basic 2

最新推荐文章于 2024-04-20 16:28:41 发布
最新推荐文章于 2024-04-20 16:28:41 发布
阅读量80 收藏
点赞数
分类专栏： 鼠鼠的AI笔记 Deep Learning 文章标签： 深度学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013302570/article/details/118373933
版权

以下笔记来自北邮等高校课程

Benefits of small conv

多个小尺寸Conv串联可以得到与大尺寸卷积核相同的感受野（receptive field），但是多个卷积可以增强模型的非线性，减少参数。感受野一样，不代表得到的结果值也是一样。

三次串联小尺寸卷积参数 = ( 3 ∗ 3 ∗ C ) ∗ C ∗ 3 = 27 C 2 (3*3*C)*C*3=27C^2

了解本专栏 订阅专栏 解锁全文 超级会员免费看
EmoC001
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
python 加速(1)
EmoC的博客
06-15 2509
因为要修改yolo系列里NMS处的计算，如果用python，速度巨慢。torchvision 有自己的加速后的NMS function。但是不和形变后的IOU通用。因此需要做一个类似的。回看torchvion, 发现里面有cpp的文件，因为之前没有接触过加速（资源比较丰富）。C++ 并不是加速NMS那步操作的解药，解药是CUDA kernel。因此，如果要加速任何的function在model里，CUDA kernel 是最终目的。自己之前误入歧途，以为C++就能加速一切。
YOLO NAS note 1
EmoC的博客
05-18 1489
Yolo-Nas 的代码比YOLO v8 还恐怖。之前的YOLO数据可以通过：coco_detection_yolo_format_train， 和 coco_detection_yolo_format_val 自动转。
计算机视觉 – Computer Vision | CV
阿哥的专栏
01-28 3649
计算机视觉（Computer Vision）是人工智能领域的一个重要分支。它的目的是：看懂图片里的内容。 本文将介绍计算机视觉的基本概念、实现原理、8 个任务和 4 个生活中常见的应用场景。 计算机视觉为什么重要？ 人的大脑皮层， 有差不多 70% 都是在处理视觉信息。 是人类获取信息最主要的渠道，没有之一。 在网络世界，照片和视频（图像的集合）也正在发生爆炸式的增长！ 下图是网络上新增数据的占比趋势图。灰色是结构化数据，蓝色是非结构化数据（大部分都是图像和视频）。可以很明显的发现，图片和视频.
BasicBlock和Bottleneck 区别
lcrdadas的博客
12-07 1364
BasicBlock和Bottleneck 区别
一些有用的basicblock
m0_46507285的博客
03-01 2712
from collections import OrderedDict import torch import torch.nn as nn import torch.nn.functional as F ''' # =================================== # Advanced nn.Sequential # reform nn.Sequentials and nn.Modules # to a single nn.Sequential # ===============.
c++ opencv C2 Basic Funtions
最新发布
qq_50934329的博客
04-20 73
【代码】c++ opencv C2 Basic Funtions。
Basic Concept of Computer Vision 2020_09_19
weixin_43120238的博客
09-19 71
Image What is image? We think of an image as a function f or I: f(x, y) gives the intensity or value at position(x, y) Gray image (I(x, y)) RBG image (r(x, y); g(x, y); b(x, y)) Task 1: Transfer Gray image to RGB image and vice versa.
Opencv2 Basic Structures详细描述
05-19
在OpenCV库中，Basic Structures是核心数据结构的集合，它们是处理图像和进行计算机视觉算法的基础。OpenCV2引入了这些基本结构，以便高效、灵活地存储和操作图像数据。下面将详细介绍其中的一些关键数据类型和结构...
galaxy2.rar_Visual_Basic_
08-12
在计算机编程领域，Visual Basic是一款由微软公司开发的面向对象的编程语言，它以其直观易用的界面和强大的功能深受程序员喜爱。本项目“Galaxy2.rar”正是基于Visual Basic构建的一款应用程序，专门用于查询太阳系...
PLASMA2.rar_图形图像处理_Visual_Basic_
08-11
Plasma 效果是一种计算机图形学技术，用于生成流动、变幻的彩色图案，通常呈现出类似等离子体的视觉效果。在视觉艺术、游戏开发和动态壁纸等领域中广泛应用。 在Visual Basic中实现Plasma效果，程序员需要掌握以下...
jingshen_visualbasic_
10-03
总的来说，使用Visual Basic实现景深效果是计算机图形学和编程技巧的结合，它不仅锻炼了编程能力，还能让你深入理解图像处理的基本原理。通过这样的实践项目，你可以提升自己的编程技能，并创造出富有创意的视觉效果...
HSV.RAR_hsv visual basic
09-24
在IT领域，颜色处理是图像处理和计算机视觉中的重要组成部分，而HSV（Hue, Saturation, Value）色彩模型就是其中一种广泛使用的色彩表示方法。HSV模型将颜色以直观的色调（H）、饱和度（S）和明度（V）三个维度来...
Whisper
EmoC的博客
11-30 1621
Whisper 代码详解
Yolo v5 长方形 训练修改
EmoC的博客
04-25 1421
感谢，以下内容改自：http://t.csdn.cn/37m2w dataloaders.py # YOLOv5 🚀 by Ultralytics, GPL-3.0 license """ Dataloaders and dataset utils """ import contextlib import glob import hashlib import json import math import os import random import shutil import time from it
openCV的CUDA GPU 版本安装 （Ubuntu windows 通用）
EmoC的博客
10-22 1300
例子：/media/xxx/cozynest/anaconda3/envs/detection/lib/python3.9/site-packages/cv2/python-3.10。这里有可能会出现configure的文件找不到的错误，可以直接copy paste Python 版本的文件，根据缺失文件的名字添加。这样放的原因是我Ubuntu的Home容量不够多，导致我需要把这些东西放在另一个盘上，其次是这样安装比较干净。以下是Python3相关会填入的内容。2：下载后的两个包裹会放在以下结构。
Towards Robust Blind Face Restoration with Codebook Lookup Transformer
EmoC的博客
01-18 969
这个projec相对codeformer已经是老一些的了，CodeFormer paper说自己的效果比这个更好。有看了这个视频，它借用了R-ESRGAN 4x 和 GFPGAN 50%，既保留了一些人物特征，又有了更好的效果。
Transformer for CV
EmoC的博客
11-29 952
Transformer 也不适用batch norm，Batch由GPU操作，但是一般的GPU顶多2个Batch，按照上一个内容，计算出12，这样的Batch size，对GPU来说为难了。对sequence的data不好，因为sequence的长度不一，那么batch norm用的mean 和 std 就不能很好的将每个feature的分布准确算出。而分的大块可能会错失细节信息。以上是数学里的计算方式，但是在代码里，以上步骤不好操作，因此，目前的GELU是通过sigmoid 或者 Tahn 估计出来的。
LLM Note 1
EmoC的博客
02-20 651
比如对一短视频做理解，他会重复输出“他穿着黑色衣服”，直觉认为可能是对视频做embbeding 时，抽到的帧都差不多，所以导致重复，基本上如果视频有8帧，那么类似的语句就会重复个7，8次。Token 确实比较影响model的效果，因此，怎么输出有效且准确的token，比较重要。Router 主要是将 Attention的输出，进行分配，Attention输出和FFN之间，不是全链接的关系。如果Token的数量在3-4左右，那么可以加速至少2倍，如果Token 数量在3~7，那么可以有更快的速度。
AutoEncoder anomaly detection
EmoC的博客
10-14 630
这里写目录标题Video anomaly detection and localization via Gaussian Mixture Fully Convolutional Variational Autoencoder (2020 June)使用了VAE用dynamic flow代替optical flowMore layers, more invariable使用Anomaly ScoreVideo anomaly detection with spatio-temporal dissociatio
Visual Basic教程：第五章 控件详解
“Visual Basic 程序设计基础：第五章 常用控件.ppt” 在Visual Basic程序设计中，控件是构建用户界面（GUI）的核心元素，本章重点介绍了常用控件及其属性。控件是构成应用程序可视部分的关键，而窗体则是承载这些...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值