【《Real-Time

【Siam-BM】论文阅读笔记

TowardsaBetterMatchinSiameseNetworkBasedVisualObjectTracker论文地址代码不开源写在前面这是SASiam的作者18年另一个工作，在VOT2018公测上也占的一席之地，只不过好像因为什么奇奇怪怪原因没有终测，但是它还是不失为一个real-time
gagajian·2020-08-19 03:35

论文笔记_2018-BMVC-Light-Weight RefineNet for Real-Time Semantic Segmentation

目录论文基本情况内容摘要介绍相关工作语义分割Semanticsegmentation实时分割Real-TimeSegmentation其他领域的实时推断Real-TimeInferenceinOtherDomainsRefineNet的网络架构Light-WeightRefineNet改进方法1）替换3*3卷积为1*1卷积2）省略RCU模块3）使用轻量级骨干网实验结果总结参考论文基本情况题目：Li
skyjhyp11·2020-08-19 03:26

Deeper and Wider Siamese Networks for Real-Time Visual Tracking 笔记

摘要使用现有的强大架构直接替换主干，例如ResNet[14]和Inception[33]，并没有带来改进。主要原因是1）神经元感受野的大幅增加导致特征可辨性和定位精度降低;2）卷积的网络padding在学习中引起位置偏差。为了解决这些问题，我们提出了新的残差模块，以消除填充的负面影响，并进一步设计使用这些模块的新架构，具有受控的感受野大小和网络步幅。1introduction我们用更深更广的网络代
鱼木木和木木鱼·2020-08-19 03:03

论文翻译（中）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction

3.提出的单目语义SLAM在这一部分中，我们将阐述所提出的三维重建框架，其中CNN预测的稠密深度图与从直接单目SLAM获得的深度测量数据相融合。此外，我们还展示了CNN预测的语义分割如何与全局重建模型相融合。图2中的流程图描述了框架概况。我们采用基于关键帧的SLAM[12，4，20]，特别是我们使用[4]中提出的直接半稠密方法作为基线。在这种方法中，视觉清晰帧的子集被收集为关键帧，其位姿基于图优化
christinayo·2020-08-19 03:32

论文翻译（上）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction

原文见我上一篇博客摘要随着卷积神经网络（CNN）在深度预测中取得了越来越多的进展，本文探讨了如何将卷积神经网络的深度预测用于高精度稠密单目SLAM系统中。我们提出了一种方法，CNN预测的稠密深度图与从直接单目SLAM获得的深度测量值自然融合在一起。我们的融合方案在单目SLAM方法效果不佳的图像位置进行深度预测具有优势，例如低纹理区域，反之亦然。我们演示了使用深度预测来估计重建的绝对尺度，克服了单目
christinayo·2020-08-19 03:32

论文翻译（下）：CNN-SLAM_ Real-Time Dense Monocular SLAM With Learned Depth Prediction

4.评估我们做了一个实验评估，以验证我们的方法在跟踪和重建精度方面的效果，方法是通过与两个公共数据集进行定量比较（4.1）。以及对纯旋转摄像机运动鲁棒性的定性评估（4.2）和语义标签融合的准确性（4.3）。实验使用台式PC，该PC配置为：IntelXeonCPU2.4GHz，RAM16GB，NvidiaQuadroK5200GPU8GB。至于我们方法的实现，尽管CNN网络的输入/输出分辨率为304
christinayo·2020-08-19 03:32

原文：CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction

这是一篇CNN结合SLAM的经典论文，事实证明，以深度学习去替换SLAM中的一个/几个模块，是可行的，只要实验数据比纯几何SLAM要好，就是可以接受的。此篇文章使用CNN替换了SLAM中的数个模块，值得一看。原文链接我放在这儿：链接：https://pan.baidu.com/s/1X91XTqIH8nV5yZ6smh1aYA提取码：zm18在我的下一篇博客里，也会贴上我自己翻译的译文，仅供参考。
christinayo·2020-08-19 03:32

每天一篇论文 304/365DeepFusion: Real-Time Dense 3D Reconstruction for Monocular SLAM

DeepFusion:Real-TimeDense3DReconstructionforMonocularSLAMusingSingle-ViewDepthandGradientPredictions摘要稀疏单目同步定位与映射（SLAM）系统生成的基于关键点的地图对于摄像机跟踪是有用的，但是对于许多机器人任务，可能需要密集的三维重建。涉及深度相机的解决方案在范围和室内空间上都是有限的，基于最小化帧
流浪机器人·2020-08-19 03:36

MIS-SLAM:Real-Time Large-Scale Dense Deformable SLAM System阅读笔记

论文名称：MIS-SLAM:Real-TimeLarge-ScaleDenseDeformableSLAMSysteminMinimalInvasiveSurgeryBasedonHeterogeneousComputing即：MIS-SLAM：基于异构计算的微创手术中的实时大规模密集可变形SLAM系统。1摘要实时的SLAM对于为外科医生或外科手术机器人提供为虚拟现实和增强现实技术非常有帮助。本文
qq_21696337·2020-08-19 03:54

论文Real-Time Lane and Obstacle Detection on the global System

abstractGOLD(GenericObsta-cleandLaneDetection)systemTheGOLDsystemaddressesbothlanedetectionandobstacledetectionatthesametime它既可以检测一般性障碍物（对对称性或形状没有限制），也可以检测结构化环境中的车道位置（带有涂漆的车道标记）。它已在PAPRICA系统上实现，工作频率为1
Hali_Botebie·2020-08-19 01:11

CNN-SLAM: Real-time dense monocular SLAM with learned depth prediction

时间：2016年关键字：单目、稠密、实时本质：LSD-SLAM+CNN优点：估计绝对尺度应付纯旋转运动获得低纹理区域的深度为什么单目slam无法估计绝对尺度（尺度不确定性）？常识：对轨迹和地图同时缩放一定的倍数，我们看到的图像是一样的。原因是透视投影，近大远小。一个很大但很远的物体，跟一个很小但很近的物体，看起来可能是一样的。公式：对极约束恒等于0，t的尺度不确定本文如何确定绝对尺度？单帧图片的能
白菜-Momenta·2020-08-19 00:13

《Real-time small obstacle detection on highways using compressive RBM road reconstruction》论文阅读总结

背景介绍，这篇文章要做什么这是一篇自动驾驶相关的文章，当我们的汽车在高速公路上以高速行驶的时候，一些微小的障碍物都有可能是自动驾驶汽车使用者的巨大隐患。作者认为在高速行驶的汽车上，使用激光雷达等主动传感器很难检测到障碍物，因为需要在离障碍物很远的距离时就检测到障碍物，而激光雷达距离和分辨率都无法达到这样的精度。所以作者使用单目相机采集图像，训练了一个受限玻尔兹曼机（RBM）重建出假设不存在障碍物的
Xuefeng_BUPT·2020-08-19 00:46

Linux real-time signal (实时信号)

linux中的Signal分为两种，一种是standardsignal，标准信号的定义在signal.h中我们都可以看到，而另外一种信号叫做real-timesignal（实时信号）。实时信号实时信号是由Posix标准引入的，信号的取值区间是SIGRTMIN~SIGRTMAX(signalreal-timemin)。如在armlinux中，SIGRTMIN在signal.h中定义为32，而SIGR
sky-Z·2020-08-18 08:57

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks论文笔记

论文链接：FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks摘要：最先进的目标检测网络依赖于候选区域提取算法来假设目标位置。SPPnet和FastR-CNN网络等技术的进步降低了这些检测网络的运行时间，也暴露了基于候选区域算法的计算瓶颈。在这篇文章中，作者引入了一个与检测网络共享全图像卷积特征的候选区域生成网络
xuefengxiaoyang·2020-08-17 17:49

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks(更快的RCNN：通过区域提议网络实现实时)

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksShaoqingRen,KaimingHe,RossGirshick,JianSun摘要目前最先进的目标检测网络需要先用区域建议算法推测目标位置，像SPPnet[7]和FastR-CNN[5]这些网络已经减少了检测网络的运行时间，这时计算区域建议就成了瓶颈问题。
youli_3·2020-08-17 15:45

[论文学习]《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 》

fasterR-CNN的主要贡献提出了regionproposalnetwork（RPN）,通过该网络我们可以将提取regionproposal的过程也纳入到深度学习的过程之中。这样做既增加了Accuracy，由降低了耗时。之所以说增加Accuracy是因为，RPN是可以通过反向传播训练的，所以他提取的proposal也会更准确一些。TheFlowchartoftheFasterRCNNfaste
UpCoderXH·2020-08-17 13:54

目标检测-Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksTPAMI.2016Ren,Shaoqing，He,Kaiming，Girshick,Ross…物体检测算法常用到的概念下面我们讲解一下在物体检测算法中常用到的几个概念：Bbox，IoU，非极大值抑制。BoundingBox(bbox)bbox是包含物体的最小矩
丽宝儿·2020-08-17 12:49

『论文笔记』Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks!

FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks!文章目录一.FasterR-CNN的思想1.1.R-CNN，FastR-CNN，FasterR-CNN对比1.2.FasterR-CNN的网络结构二.区域生成网络(RPN)详解2.1.特征提取2.2.候选区域（anchor）2.3.边框回归2.4.候选框修正三
小张爱学习!·2020-08-17 11:26

YOLO前篇---Real-Time Grasp Detection Using Convolutional Neural Networks

论文地址：https://arxiv.org/abs/1412.31281.摘要比目前最好的方法提高了14%的精度，在GPU上能达到13FPS2.基于神经网络的抓取检测A结构使用AlexNet网络架构，5个卷积层+3个全连接层，卷积层有正则化和最大池化层网络结构示意图如下B直接回归抓取最后一个全连接层输出6个神经元，前4个与位置和高度相关，另外2个用来表示方向该模型假设每幅图像只包含一个可抓取对象
六月的雨唯你·2020-08-17 09:35

【《Real-Time Rendering 3rd》 提炼总结】(二) 第二章 · 图形渲染管线 The Graphics Rendering Pipeline

本文由@浅墨_毛星云出品，转载请注明出处。文章链接：http://blog.csdn.net/poem_qianmo/article/details/70544201这篇文章是解析计算机图形学界“九阴真经总纲”一般存在的《Real-TimeRendering3rd》系列文章的第二篇。将带来RTR3第二章内容“Chapter2TheGraphicsRenderingPipeline图形渲染管线”的总
浅墨_毛星云·2020-08-17 04:59

【《Real-Time Rendering 3rd》 提炼总结】(四) 第五章 · 图形渲染与视觉外观 The Visual Appearance

本文由@浅墨_毛星云出品，转载请注明出处。文章链接：http://blog.csdn.net/poem_qianmo/article/details/72857602这篇文章将总结和提炼《Real-TimeRendering3rd》（实时渲染图形学第三版）的第五章“VisualAppearance（视觉外观）”的内容。壹·导读当我们渲染三维模型的图像时，模型不仅要有适当的几何形状，还应该有所需的视
喝多了牛奶·2020-08-17 02:22

用Unity Shder实现Real-Time Rendering第五章的Gooch Shading

用UnityShder实现Real-TimeRendering第五章的GoochShading简要介绍Real-TimeRendering4th在第五章中介绍了多种着色模型，而在5.1节介绍了一种结合了Gooch着色和高光反射的风格化着色模型作为开篇样例。今天我用Unity的顶点/片元着色器实现了这个着色模型。(对于这种着色器的简单介绍请参考我的另一篇文章：顶点/片元着色器的基本架构)这个着色模型
BGsusu·2020-08-17 02:15

【论文笔记】-目标检测-YOLOv1-You Only Look Once: Unified, Real-Time Object Detection

Abstract以前的算法：通过regioinproposal产生大量的可能包含待检测物体的potentialboundingbox，再用分类器去判断每个boundingbox里是否含有物体及其所属类别的概率或置信度。（比如：R-CNN,Fast-R-CNN,Faster-R-CNN）YOLO算法：把目标检测看做是一个regression问题来处理，通过一个神经网络，直接从一张图像中预测出bbox
努力写题的tyf·2020-08-17 01:26

Real-Time Rendering-第二章 The Graphics Rendering Pipeline

第二章TheGraphicsRenderingPipeline（图形渲染管线）“Achainisnostrongerthanitsweakestlink.”—Anonymous本章主要介绍实时图形学中公认为最核心的部分，称为graphicsrenderingpipeline，也可以简称为管线。管线的主要功能是根据场景中给定的虚拟相机，三维物体，光源，阴影计算公式，纹理以及更多的元素，生成一幅二维的
chenjinxian_3D·2020-08-17 00:19

【《Real-Time Rendering 3rd》 提炼总结】(十一) 第十四章 : 游戏开发中的渲染加速算法总结

本文由@浅墨_毛星云出品，转载请注明出处。文章链接：http://blog.csdn.net/poem_qianmo/article/details/78884513导读这是一篇1万3千余字的文章，通过阅读，你将对游戏开发与实时渲染中加速渲染算法的以下要点有所了解：常用空间数据结构（SpatialDataStructures）层次包围盒（BVH,BoundingVolumeHierarchies）
浅墨_毛星云·2020-08-16 23:36

【论文笔记】2019CVPR 【……for Real-time Semantic Segmentation of Road-driving Images】

2019cvpr【InDefenseofPre-trainedImageNetArchitecturesforReal-timeSemanticSegmentationofRoad-drivingImages】笔记摘要部分IntroductionRelatedWorkTheproposedsegmentationmethod交错金字塔融合模型（Interleavedpyramidfusionmod
陀飞轮遇见金香槟·2020-08-16 03:25

【SiamDW(CVPR2019)oral】论文阅读Deeper and Wider Siamese Networks for Real-Time Visual Tracking

DeeperandWiderSiameseNetworksforReal-TimeVisualTracking论文地址代码写在前面又是一篇关于SiamRPN的改进，加深了网络宽度与深度，优化特征提取过程，效果很好。Motivation深度的网络如ResNet在其他视觉任务上都有很好的表现，然而却不能移植到目标跟踪领域中；网络太深导致最后特征的感受野太大，更加关注语义信息而缺少定位能力；网络的pad
gagajian·2020-08-16 01:32

【小白笔记】目标跟踪 Real-Time MDNet

文章目录1.主要贡献2.知识准备2.1MDNet2.2ROIAlign3.改进3.1网络结构3.2自适应的ROIAlign3.3内嵌判别性实例的预训练3.4在线跟踪4.实验这是ECCV18的一篇文章。论文地址。该论文主要提出了一种改进的MDNet，通过引入Mask-RCNN的ROIAlign缩减网络大小从而达到实时的目的，有不对的地方欢迎讨论~1.主要贡献贡献一：利用ROIAlign的方法可以提取
Tominute·2020-08-16 01:28

SiamDW：Deeper and Wider Siamese Networks for Real-Time Visual Tracking

摘要Siamese网络由于具有良好的准确性和速度而引起视觉跟踪领域的广泛关注，但其使用的网络相对比较浅，比如AlexNet，难以充分发挥深度神经网络的优势。因此，作者对如何平衡卷积神经网络的深度和宽度从而实现跟踪的鲁棒性和准确性的问题进行研究。实验发现，直接将Siamese网络中的骨干网络换成深度更深的网络架构对跟踪效果没有提升。作者分析认为，一方面，大幅增大神经元感受野会降低特征判别性和定位精度
萤火虫啊飞呀飞·2020-08-16 01:42

【目标跟踪】Real-Time MDNet

发在ECCV2018上的一片文章，链接：Real-TimeMDNet与前作MDNet来自同一个实验室，主要工作是改进MDNet，作者说速度可以提高25倍（FPS～40）。MotivationMDNet太慢了，FPS～1，作者想加速它作者认为前作在instance-level的分类能力还是不够，想造一个分辨能力更强的模型。这里我想解释一下什么是instance-level的分类能力，这篇文章的前身M
kobe_huai·2020-08-16 00:42

Parallel Tracking and Verifying: A Framework for Real-Time and High Accuracy（PTAV）论文笔记

ParallelTrackingandVerifying:AFrameworkforReal-TimeandHighAccuracy（ICCV2017）思路很好https://www.cnblogs.com/wangxiaocvpr/p/7525354.html【Motivation】当前的跟踪算法为了提高精度，往往会选择使用深度神经网络提升判别能力，但是精度的提升导致了计算量加大和速度的降低，本
aaon22357·2020-08-15 13:00

A Style-Aware Content Loss for Real-time HD Style Transfer（一个风格转换的风格感知损失）CVPR2018

AStyle-AwareContentLossforReal-timeHDStyleTransfer该论文贡献：提出了一个风格感知损失函数，与一个encoder-decoder网络联合训练训练出特定艺术家风格。该论文实验效果如下图，(a)(c）图分别是梵高早晚期作品，(b)(d)是合成图片。可以看出合成图风格更加贴切画家的风格。下图主要表达了用不同画家风格合成出的图内容图纹理也会不相同，作者可能根
光遇旅人·2020-08-15 11:56

OpenCV图像处理算法——5（《Real-time adaptive contrast enhancement for imaging sensors》论文解读及实现）

《Real-timeadaptivecontrastenhancementforimagingsensors》论文解读及实现以下内容参考：https://mp.weixin.qq.com/s/aPi7haF7eTDabbYi4c75cA前言这个ACE算法是用来做图像对比度增强的算法。图像对比度增强的算法在很多场合都有用处，特别是在医学图像中，这是因为在众多疾病的诊断中，医学图像的视觉检查时很有必要
Delv_Peter·2020-08-14 21:31

Web Real-Time Communication（WebRTC）技术概述

1.前言WebRTC（WebReal-TimeCommunication——网页实时通信）是一个基于浏览器的实时多媒体通信技术。该项技术旨在使Web浏览器具备实时通信能力；同时，通过将这些能力封装并以JavaScriptAPI的方式开放给Web应用开发人员，使得Web应用开发人员能够通过HTML标签和JavaScriptAPI快速地开发出基于Web浏览器的实时音视频应用，而无需依赖任何第三方插件。
一叶知秋dong·2020-08-14 13:20

Java的Timer定时器

Timer主要用于Java线程里指定时间或周期运行任务，它是线程安全的，但不提供实时性(real-time)保证。上面提到了守护线程的概念。Java分为两种线程：用户线程和守护线程。
奔跑在梦想的道路上·2020-08-14 12:47

Log：what every software enginner should know about real-time data's unifying abstraction

上一次这样高强度的读一篇英文文献还是写小论文的时候，英文版断断续续读了近两个礼拜，收获良多。恰好最近复习找工作云笔记记了一堆也从不看，还是自己动手写写博客记忆更深点吧。ps.感觉JayKreps老大也太能(hua)侃(lao)了吧附英文版链接：TheLog:Whateverysoftwareengineershouldknowaboutreal-timedata’sunifyingabstract
阿帆ferrir·2020-08-13 23:34

Java的Timer定时器

Java的Timer定时器Timer主要用于Java线程里指定时间或周期运行任务，它是线程安全的，但不提供实时性(real-time)保证。上面提到了守护线程的概念。
奔跑在梦想的道路上·2020-08-12 18:59

《Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks》论文翻译

原文：https://arxiv.org/abs/1506.01497FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworksShaoqingRen,KaimingHe,RossGirshick,andJianSunAbstract—State-of-the-artobjectdetectionnetworksdep
ShaneneD·2020-08-12 10:56

Implementing Real-Time Trending Topics With a Distributed Rolling Count Algorith

http://www.michael-noll.com/blog/2013/01/18/implementing-real-time-trending-topics-in-storm/Acommonpatterninreal-timedataworkflowsisperformingrollingcountsofincomingdatapoints,alsoknownasslidingwindow
ylzhjlinux·2020-08-11 20:09

Real-Time Trending Topics

ImplementingReal-TimeTrendingTopicsWithaDistributedRollingCountAlgorithminStormJAN18TH,2013Acommonpatterninreal-timedataworkflowsisperformingrollingcountsofincomingdatapoints,alsoknownasslidingwindowa
大林-Java·2020-08-11 20:55

[DSP] Butterworth （巴特沃斯）数字滤波器设计参考

但有些状况下需要用户自己根据需求来实时(Real-time)调整FilterFre
sszhouplus·2020-08-11 13:20

dsPIC33F之Real-Time Clock

/***********************************************************************?2005MicrochipTechnologyInc.**FileName:main_rtc.c*Dependencies:Header(.h)filesifapplicable,seebelow*Processor:dsPIC33Fxxxx/PIC24
Augusdi·2020-08-11 10:37

Real-Time实例分割DeepSnake 论文篇

DeepSnakeforReal-TimeInstanceSegmentation论文地址：https://arxiv.org/abs/2001.01629v2开源代码：https://github.com/zju3dv/snake/文章目录DeepSnakeforReal-TimeInstanceSegmentation摘要引言相关工作基于像素的方法（Pixel-basedmethods）基于轮
__Wedream__·2020-08-11 00:52

【《Real-Time Rendering 3rd》 提炼总结】(五) 第六章 · 纹理贴图及相关技术 The Texturing

本文由@浅墨_毛星云出品，转载请注明出处。文章链接：http://blog.csdn.net/poem_qianmo/article/details/73718109在计算机图形学中，纹理贴图是使用图像、函数或其他数据源来改变物体表面外观的技术。这篇文章，将总结和提炼《Real-TimeRendering3rd》（实时渲染图形学第三版）的第六章“Texturing（纹理贴图）”的内容，讲述纹理贴图
喝多了牛奶·2020-08-10 21:01

【NO.3】图形渲染，光照，抗锯齿简介，透明渲染排序简介

《real-time提炼总结第四章》《Real-TimeRendering3rd第五章》《unityshader入门精要第六章》图形渲染与视觉外观渲染的物理现象分为三类：太阳光与其他光源（天然，人造）发出的光光与场景中的物体互相作用
羽扇轩轩·2020-08-10 13:59

【《Real-Time Rendering 3rd》 提炼总结】(四) 第五章 · 图形渲染与视觉外观 The Visual Appearance

本文由@浅墨_毛星云出品，转载请注明出处。文章链接：http://blog.csdn.net/poem_qianmo/article/details/72857602这篇文章将总结和提炼《Real-TimeRendering3rd》（实时渲染图形学第三版）的第五章“VisualAppearance（视觉外观）”的内容。壹·导读当我们渲染三维模型的图像时，模型不仅要有适当的几何形状，还应该有所需的视
浅墨_毛星云·2020-08-10 13:20

Real-time correlative scan matching 论文算法分析

背景算法基础模型算法简化核心后记背景读这篇论文的初衷在于希望能够读懂Google’sCartographer（开源激光SLAM算法），这篇文章是Cartographer的论文《Real-TimeLoopClosurein2DLIDARSLAM》的引用文献之一，也是代码实现里realtimecorrelativescanmatcher和fastcorrelativescanmatcher的算法来源（
ashleyliuyc·2020-08-08 22:12

【创新实训】风格迁移功能探索与实现（二） 风格迁移经典论文 Perceptual Losses for Real-Time Style Transfer and Super-Resolution

本周的主要工作是研究这篇论文，理解其中的风格迁移模型的结构和原理：论文原文https://arxiv.org/pdf/1603.08155v1.pdfstyletransfer是ill-posed的问题，styletransferthereisnosinglecorrectoutput这篇论文：Oneapproachforsolvingimagetransformationtasksistotra
一鸣鸣·2020-08-08 19:57

论文笔记——ERFNet: Efficient Residual Factorized ConvNet for Real-time Semantic Segmentation

作者提出了一种基于残差连接和深度可分离卷积的语义分割网络，旨在不降低准确率的同时提高处理的帧数，可以满足自动驾驶中对于实时性的要求。一句话就是，我全都要！单元组成简单地说，网络中主要使用了残差连接，这种捷径可以使得低维的特征可以往后流动而不是被网络完全转化，同时也在训练时减少了梯度消失等情况。另外使用了深度可分离卷积，可以减少网络中的参数数量，提高训练效率和实际推算的速度。残差层可以用函数表示为上
渡边君·2020-08-08 14:30

论文笔记——ENet: A Deep Neural Network Architecture for Real-Time Semantic Segmentation

论文地址。相比SegNet、FCN等以VGG作为特征识别部分的网络，作者提出了一个更加轻量级、运算量和参数量都较小的网络，来提高语义分割在实际使用中的推断时间和减轻对设备的要求。网络的名字叫做ENet，即efficientneuralnetwork。网络结构在了解网络结构之前，通常都是看看网络的组成单元block。ENet中主要有两种单元组成，即initialblock和bottleneckblo
渡边君·2020-08-08 14:30
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他