![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
文章平均质量分 92
chenzy_hust
检测分割、图像超分、图像去雨领域
展开
-
SimpleTrack-图森3D Track新论文
Abstract:近年来,3D 多目标跟踪 (MOT) 见证了许多新颖的基准测试和方法,尤其在tracking-by-detection范式下的基准测试和方法。尽管它们取得了进步和适用性,但尚无法对其优缺点进行深入分析。在本文中,我们将当前的 3D MOT 方法分解为四个组成部分:检测预处理、数据关联、运动模型和生命周期管理,将它们总结为一个统一的框架。然后我们将现有算法的失败案例归因于每个组件并详细研究它们。基于这些分析,我们提出了相应的改进,从而产生了一个强大而简单的基线:SimpleTrac...原创 2021-11-26 19:31:25 · 3720 阅读 · 0 评论 -
ICCV2021-Soft Teacher-End-to-End Semi-Supervised Object Detection with Soft Teacher
前言:SSL(Semi-Supervised Learning)半监督学习,由于其可以合理利用大量无标注数据的属性,一直是CV研究的一个重要方向。最近看到微软在ICCV2021发表的一篇新论文Soft Teacher,在结合sota的检测和实例分割网络之后,直接刷榜相关的LeaderBoard,所以及时跟进一下。SSL目前在分类和检测网络上应用的比较广泛,常用多阶段的学习方式,具体来说就是先基于标注好的数据训练一个基准网络;然后对未标注的数据推理输出结果,通过设置较高的阈值得到对应的伪标签(图.原创 2021-11-23 20:05:55 · 6829 阅读 · 5 评论 -
RepVGG-重参数化Backbone | Making VGG-style ConvNets Great Again
Abstract:本文提出了一个简单但功能强大的卷积神经网络架构,该架构推理时候具有类似于VGG的骨干结构,该主体仅由3 x 3卷积和ReLU堆叠组成,而训练时候模型采用多分支拓扑结构。 训练和推理架构的这种解耦是通过结构重参数化技术实现的,因此该模型称为RepVGG。 在ImageNet上,据我们所知,RepVGG的top-1准确性达到80%以上,这是老模型首次实现该精度。 在NVIDIA 1080Ti GPU上,RepVGG模型的运行速度比ResNet-50快83%,比ResNet-101快101%.原创 2021-01-12 20:35:45 · 2268 阅读 · 2 评论 -
SplitNet-CNN网络拆分 | SplitNet:Divide and Co-training
论文地址:https://arxiv.org/pdf/2011.14660.pdfAbstract:神经网络的宽度很重要,因为增加宽度必然会增加模型的容量。但是,网络的性能不会随着宽度的增加而线性提高,并且很快就会饱和。为了解决这个问题,我们建议增加网络的数量,而不是单纯地扩大宽度。为了证明这一点,将一个大型网络划分为几个小型网络,每个小型网络都具有原始参数的一小部分。然后,我们将这些小型网络一起训练,并使它们看到相同数据的各种视图,以学习不同的补充知识。在此共同训练过程中,网络也可以互相学习。结.原创 2020-12-04 09:53:10 · 1227 阅读 · 0 评论