![](https://img-blog.csdnimg.cn/20190918140053667.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
论文计划 && Lane Detection
文章平均质量分 70
Lane Detection
zoroooooo
一步一脚印,慢慢来会比较快
展开
-
【论文笔记】ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile
**Abstract:**本文提出了一种在计算能力有限的移动设备上可以高效计算的CNN结构。新架构采用了两种新操作,逐点组卷积和通道混洗,在保持精度的同时大大降低了计算成本。在ImageNet分类和MS COCO上效果很好。一.加速方法:针对ResneXt和Xception的不足,ShuffleNet在pointwise convolution(也就是1x1的kernel的卷积)进行了优化。ResneXt和Xception是在3x3的kernel上做了group convolution,但是没有在1x1原创 2021-03-19 16:55:33 · 135 阅读 · 0 评论 -
【论文笔记】A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms
A Survey on Lightweight CNN-Based Object Detection Algorithms for Platforms with Limited Computational Resources 面向计算资源有限平台的轻量级有线电视网络目标检测算法综述**Abstract:**几个轻量级CNN架构的综述,可用于嵌入式目标。前文主要讲了几个基于深度CNN架构,如AlexNet [14]、VGGnet原创 2021-03-17 22:01:00 · 252 阅读 · 3 评论 -
【论文笔记】Efficient and Realtime Distracted Driver Detection With MobileVGG Network
Towards Computationally Efficient and Realtime Distracted Driver Detection With MobileVGG Network第一遍:读标题、摘要和图表标题: 基于移动VGG网络的实时高效的司机分心驾驶检测摘要: 本文提出了基于深层可分离卷积的移动VGG网络结构,用在两个数据集上效果都很好,而且大小只有2.2M.图表:图一:标准卷积和他的等价深层可分离卷积,好像就是把一个大块按长度和按面积分成了一小块一小块图二/表一:移动VGG原创 2021-03-19 16:52:36 · 225 阅读 · 1 评论 -
【论文笔记】OCR
《转载**https://www.cnblogs.com/skyfsm/p/8029668.html**》【OCR技术系列之二】文字定位与切割要做文字识别,第一步要考虑的就是怎么将每一个字符从图片中切割下来,然后才可以送入我们设计好的模型进行字符识别。[在这里插入图片描述](https://img-blog.csdnimg.cn/20201026144911887.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_原创 2020-10-26 14:52:36 · 189 阅读 · 1 评论 -
【论文笔记】CNN图像分类:从LeNet5到EfficientNet
计算机视觉的三大任务自从神经网络和深度学习方法引入到图像领域,经过近些年来的发展,从一开始的图像分类逐渐延伸到目标检测和图像分割领域,深度学习也逐渐在计算机视觉领域占据绝对的主导地位。如果要想利用深度学习技术开启计算机视觉领域的研究,明确并深刻理解计算机视觉的三大任务非常关键。计算机视觉三大任务如图1所示。从图中我们可以简单描述计算机视觉三大任务的要义。图像分类就是要回答这张图像是一只猫的问题,跟传统的机器学习任务并无区别,只是我们的输入由数值数据变成图片数据。本节的内容就是介绍CNN在图像分类的发展历原创 2020-10-09 15:13:27 · 1139 阅读 · 0 评论 -
【论文笔记】RCNN系列算法比较与Faster RCNN详解
R CNN系列算法比较R-CNN:(1)image input;(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal;(3)将每个Region Proposal缩放(warp)成227*227的大小并输入到CNN,将CNN的fc7层的输出作为特征;(4)将每个Region Proposal提取的CNN特征输入到SVM进行分类;(5)对于SVM分好类的Region Proposal做边框回归,用Bounding box回归值校正原来的建原创 2020-10-06 15:45:06 · 1064 阅读 · 0 评论 -
【论文笔记】Faster R-CNN
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks **用自己的语言,将资源的核心发现和技术有条理地记录下来。** 至少三遍!至少三遍!至少三遍!~~**第一遍**:读标题、摘要和图片~~标题:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks面向区域建议网络的实时目标检测原创 2020-10-06 15:42:32 · 173 阅读 · 0 评论 -
【论文笔记】如何研读一篇论文
如何研读一篇论文 **用自己的语言,将资源的核心发现和技术有条理地记录下来。** 至少三遍!至少三遍!至少三遍!第一遍:读标题、摘要和图片第二遍:读引言和结论部分,再浏览一遍图片,并快速浏览论文的其他部分。引言和结论部分清晰明了地概括了论文内容和研究发现。这两个部分通常只包含关键信息,对其他补充信息不作赘述。而这些关键信息有助于你接下来阅读论文的其他部分。第三遍:阅读论文的全部内容,跳过你不熟悉的复杂数学或技术公式。这一遍阅读时,你还可以跳过不理解或不熟悉的专业术语。带着以下问题去读原创 2020-10-04 15:44:15 · 384 阅读 · 0 评论