移动端神经网络
xiexiecn
这个作者很懒,什么都没留下…
展开
-
简单有效的实例分割CenterNet+InstanceFCN
在上一篇博文的基础上,尝试了一种简单有效的实例分割方法,InstanceFCN作为一种全卷积网络的实例(不分类)分割方案,简单有效。CenterNet做分类+bounding box检测,加上一个InstanceFCN实例输出分支,可以实现单阶段分类+bounding box检测+mask输出的有效方案,便于移动端落地。代码:https://github.com/xuduo35/CenterUnet...原创 2020-05-11 09:10:24 · 2417 阅读 · 14 评论 -
centerunet
年后试了试one stage, anchor free的centernet。训练过程发现网络稍作修改就容易出问题,训练过程中心点的结果不容易观察,在这个基础上做了一些工作,总结作如下代码:https://github.com/xuduo35/CenterUnet.git主要是几个方面的调整,1. 将centernet object detection部分代码抽出,简化代码。2....原创 2020-04-08 08:40:52 · 422 阅读 · 0 评论 -
移动端unet人像分割模型--1
个人对移动端神经网络开发一直饶有兴致。去年腾讯开源了NCNN框架之后,一直都在关注。近期成功利用别人训练好的mtcnn和mobilefacenet模型制作了一个ios版本人脸识别swift版本demo。希望maskrcnn移植到ncnn,在手机端实现一些有趣的应用。因为unet模型比较简单,干脆就从这个入手。 基本的网络基于keras版本: https://github.com/Tian...原创 2018-10-12 17:18:05 · 4818 阅读 · 6 评论 -
移动端unet人像分割模型--2
前一篇blog里提到的错误果然是mxnet网络的问题,pool5误敲成pool4修改之后,ncnn就不再crash,不过ncnn的mxnet2ncnn这个工具应该多加一些诊断确保转换的模型参数一致才对。 只是事情也没那么一帆风顺,转成ncnn后的预测结果死活不对。没办法,只能一层层去检查,写了几个简单的工具可以打印中间隐藏层的结果。 check.pyimport osos....原创 2018-10-15 00:10:47 · 2398 阅读 · 1 评论 -
移动端unet人像分割模型--3
前两篇文章已经完成基本从mxnet到ncnn的unet模型训练和转换。不过还存在几个问题,1. 模型比较大,2. 单帧处理需要15秒左右的时间(MAC PRO,ncnn没有使用openmp的情况),3. 得到的mask结果不是特别理想。针对这三个问题,本文将对网络结构进行调整。 1. 模型比较大 采取将网络卷积核数量减少4倍的方式,模型大小下降到2M,粗略用图片测试,效果也还可以。...原创 2018-10-18 17:13:02 · 1554 阅读 · 5 评论