给我推荐20个比较流行的计算机视觉模型

最新推荐文章于 2023-05-21 11:16:36 发布
最新推荐文章于 2023-05-21 11:16:36 发布
阅读量228 收藏
点赞数
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/weixin_42599558/article/details/129613924
版权

非常好的问题! 这是20个比较流行的计算机视觉模型的列表:

  1. AlexNet
  2. VGG
  3. GoogLeNet (也称为 InceptionNet)
  4. ResNet
  5. MobileNet
  6. DenseNet
  7. R-CNN
  8. Faster R-CNN
  9. Mask R-CNN
  10. YOLO (也称为 YOLOv3)
  11. SSD
  12. U-Net
  13. SegNet
  14. GANs (生成对抗网络)
  15. VAE (变分自动编码器)
  16. Pix2Pix
  17. CycleGAN
  18. StyleGAN
  19. AlphaZero
  20. Tr
并非
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
开源计算机视觉库OpenCV详解
dvlinker的技术专栏
06-23 8万+
详细介绍开源计算机视觉库OpenCV。
计算机视觉领域经典模型汇总（RCNN、YOLO等）
最新发布
一位不是很硕的鉴伪方向硕士
09-07 4241
Fast R-CNN是在RCNN和Selective Search基础上提出的改进方法，主要创新是将整个目标检测流程集成到一个卷积神经网络（CNN）种，从而显著提高了速度和性能。主要经典算法有：YOLO。Faster R-CNN 进一步改进了 Fast R-CNN，将目标检测模型的速度提高到了一个新的水平，同时保持了很高的准确性。RCNN是用于目标检测的经典方法，其核心思想是将目标检测任务分解为两个主要步骤：候选区域生成和目标分类。
【计算机视觉】分类模型
无极阁
02-12 1033
前言 终于看完了分类模型，其实最初也是冲着后面的应用“语义分析”看的。不过发现有了回归模型的基础，分类模型这一章读起来快了很多，两者交叉的内容还是很多的。不过毕竟是机器学习，基本还是概率论和优化的知识，只是选择了图片作为其应用场景。 一、逻辑回归 这本书的设计思路还是比较一致的，在一个简单基础的模型上不断扩展，最终得到可以解决实际问题的模型，然后再给出几个应用实例。尽管有些应用已经有了更先进的解决...
【自学】Transformer——NLP、计算机视觉常见算法模型
Wendy030的博客
10-13 1941
什么是Transformer？RNN擅长捕捉序列关系，因此它可以用于处理机器翻译模型。但翻译时句子间的单词数量并非是一一对应的，受限于结构。后来人们找到了Seq2Seq拥有一个编码器Encoder和解码器Decoder。再后来人们找到了一种称为“Attention”的注意力机制，为了解决计算慢速的问题，人们进一步找到了自注意机制，此时模型已经由原来的RNN结构演变成现在基于Self-Attention且拥有一个Encoder和一个Decoder的模型，即Transformer。
计算机视觉（九）：TensorFlow快速入门模型
GeniusAng的博客
10-20 685
TensorFlow快速入门模型
计算机视觉的算法和模型有哪些？
gu1857035894的博客
03-03 2407
边缘检测算法：Sobel算子、Canny算子、Laplacian算子等。特征提取算法：SIFT、SURF、ORB等。目标检测和分类算法：Haar特征、HOG特征、传统机器学习算法（如SVM、决策树、随机森林）以及深度学习算法（如卷积神经网络、Faster R-CNN、YOLO、SSD）等。
推荐几个经典的计算机视觉项目
Tiger数学之家的博客
08-29 3656
目标检测 1. HRNet-Object-Detection 微软亚洲研究院视觉计算组提出的一种新型主干网络结构，可以学到高分辨率表征，提高了目标特别是小目标检测的空间精准率。支持multi-scale sync-bn 训练。 代码： https://github.com/HRNet/HRNet-Object-Detection https://github.com/HRNet/HRNet-M...
ONNXRUNTIME计算机视觉模型部署与加速教程
07-26
### ONNXRuntime计算机视觉模型部署与加速教程 #### 一、引言 随着深度学习技术的发展，越来越多的应用场景需要高效地部署预训练好的计算机视觉模型。ONNXRuntime作为一种高效的推理引擎，不仅支持多种模型格式，...
OpenVINO2022计算机视觉模型部署与加速教程
06-29
《OpenVINO2022计算机视觉模型部署与加速教程》是针对计算机视觉开发者和实践者的一份宝贵资源，旨在帮助他们充分利用Intel的OpenVINO工具包进行模型部署和性能优化。OpenVINO，全称为Open Visual Inference and ...
生成模型和生成对抗网络是何方神圣？计算机视觉的魔力
01-06
图中所有的实物和动物都由GANs这种计算机视觉模型生成！它是目前深度学习中最流行的一类，可以激发人类潜藏的创造力。 GANs无疑是笔者在深度学习中最喜欢的话题之一，这些模型创造出的各种程序我都喜欢，比如生成新...
计算机视觉领域--图像分类模型
2201_75331416的博客
05-21 662
该文件详细解释图像分类模型的框架与技术细节
mmlab图像处理第二课- 通用视觉框架OpenMMLab图像分类与基础视觉模型
insid1out的博客
02-03 308
第一个成功实现大规模图像的模型，在 ImageNet 数据集上达到 ~85% 的 top-5 准确率 • 5 个卷积层，3 个全连接层，共有 60M 个可学习参数 • 使用 ReLU 激活函数，大幅提高收敛速度 • 实现并开源了 cuda-convnet ，在 GPU 上训练大规模神经网络在工程上成为可能；网络层数：11、13、16、19 层 • 3×3 卷积配合 1 像素的边界填充，维持空间分辨率 • 每隔几层倍增通道数、减半分辨率，生成 1/2、1/4 尺度的更高抽象层级的特征。
2常用计算机视觉模型和关键技术-----浅层模型
weixin_44505214的博客
10-08 2532
计算机视觉任务本质： 可以建模为广义的函数拟合问题 即对任意输入图像，需要学习一个以为参数的函数，使得 可能有两大类： 1.为类别标签，对应模式识别或机器学习中的分类问题 如场景分类、图像分类、物体识别、精细物体类识别、人脸识别等 为有限种类的离散型变量 2.为连续变量或向量或矩阵，对应回归问题 如距离估计、目标检测、语义分割等 或是连续变量：距离、年龄、角度 或是向量：物体的横纵坐标位置和长宽 或是每个像素有一个所属物体类别的编号：分割结果 多数视觉模型和方法分类： 一类：2012年以来应用最广泛的深度模
通用视觉大模型综述
LF_AI的博客
08-16 3392
背景近两年视觉大模型发展很快，各家公司已经训练出自己的视觉大模型，包括微软的 swin-transformer 系列、Google 的 vit 系列以及 150 亿参数量的 V-MOE 模型。从paperwithcode榜单上可以看到，目前公有数据集任务榜单，如在 ImageNet 数据集上的分类任务、COCO 数据集上的目标检测与实例分割任务，上述榜单表现 SOTA 的都是大模型，实验结果证明大...
2022年主流10 大计算机视觉框架
weixin_57153361的博客
02-28 2155
2022年主流10 大计算机视觉框架
计算机视觉知识点整理（中） 模型篇（持续更新）
热门推荐
人唯优的博客
03-04 3万+
前言 我在学习过程中，经常反复记忆各种网络的创新点是什么。这次我复习的时候决定把里面的关键创新点、容易疏忽的点都记录下来，方便快速查找回顾。 记忆表 网络名称 记忆点 备注 MobileNetV1 深度可分离卷积替换传统卷积 计算量和参数量下降为原来的1/Dk^2（Dk为卷积核kernel size，一般为3，所以计算量约为1/9） 深度卷积的激活函数是Relu6 下采样是通过3x3的深度卷积 stride=2 MobileNetV2 .
背景建模与前景检测(Background Generation And Foreground Detection)
weixin_33949359的博客
02-21 680
作者：王先荣 前言    在很多情况下，我们需要从一段视频或者一系列图片中找到感兴趣的目标，比如说当人进入已经打烊的超市时发出警报。为了达到这个目的，我们首先需要“学习”背景模型，然后将背景模型和当前图像进行比较，从而得到前景目标。 背景建模    背景与前景都是相对的概念，以高速公路为例：有时我们对高速公路上来来往往的汽车感兴趣，这时汽车是前景，而路面以及周围的环境是背景；有时我们仅仅对...
计算机视觉-相机模型
xdgs_2005的专栏
05-15 8910
计算机视觉
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