主干网第6页

视频理解论文精读笔记

甚至远远不如手工提特征的IDT，于是有人想到了将运动的轨迹（光流）与一个静态图特征提取网络相叠加，因此就有了双流网络，在此基础上也有许多人做了其他工作，如将双流网络的后混改为前混（earlyfusion）；改变双流网络的主干网络等等

irony_202·2023-02-02 11:19

MMDetection自定义双主干Transformer模型（一）

目录1、添加自定义的主干网络2、导入写好的主干网络3、写配置文件来进行实验基于自己的毕设想法，今天开始研究如何使用MMDetection构建自己的模型。

开始学AI·2023-02-02 10:09

憨批的语义分割重制版8——Keras 搭建自己的DeeplabV3+语义分割平台

憨批的语义分割重制版8——Keras搭建自己的DeeplabV3+语义分割平台注意事项学习前言什么是DeeplabV3+模型代码下载DeeplabV3+实现思路一、预测部分1、主干网络介绍2、加强特征提取结构

Bubbliiiing·2023-01-31 12:42

DeepLabV3+：搭建Mobilenetv2网络

Mobilenetv2的结构InvertedResidualBlock倒残差结构Pytorch实现InvertedResidualBlock搭建Mobilenetv2Pytorch实现Mobilenetv2主干网络相关参考资料

夏天是冰红茶·2023-01-31 12:41

主干网络系列(6) - Xception: 使用深度可分离卷积的深度学习

论文地址：Xception:DeepLearningwithDepthwiseSeparableConvolutions工程代码：Github链接0.摘要该论文对Inception模块做了新的解释，认为Inception模块是常规卷积神经网络到深度可分离卷积神经网络的过渡手段，基于这种思想，深度可分离卷积可以看作一个具有最大数量tower的Inception模块(tower是指Inceptio

不会算命的赵半仙·2023-01-31 09:01

目标检测—SSD系列算法原理介绍

(one-stage方法)●WeiLiu在ECCV2016提出●直接回归目标类别和位置●不同尺度的特征图上进行预测●口端到端的训练●图像的分辨率比较低，也能保证检测的精度1.2SSD系列算法原理介绍●主干网络

VernonJsn·2023-01-30 22:41

SSD网络模型详解

一、主干网络为VGG16步骤理解下面算一下每一层的像素值计算：输入：300*300*3conv3-64(卷积核的数量)----------------------------------------kernelsize

有温度的AI·2023-01-30 22:40

Deep Learning for Medical Image Segmentation: Tricks, Challenges and Future Directions 2D部分代码笔记-训练部分

train.py)1.1训练参数设置（2DUnet/options.py)1.2模型训练（2DUnet/networker_trainer.py)1.2.1设置GPU设备号、日志配置、设置随机种子1.2.2设置主干网络

Rache0219·2023-01-30 10:58

第十篇 GoogLeNet——模型精讲

3、详解Block4、详解InceptionV1欢迎阅读【AI浩】的博客阅读完毕，可以动动小手赞一下发现错误，直接评论区中指正吧这是一篇GoogLeNet模型精讲的文章专栏目录：经典主干网络精讲与实战

AI浩·2023-01-30 08:53

关于CNN训练时loss停留在0.69，acc为0.5左右的问题

最近在用CNN作为主干网络来训练二分器时，出现了loss停留在0.69左右，acc在0.5左右的情况，在这里记录一下解决方法。首先是我在网上收集到的方法以及我最终的解决方法。

S-Tatum·2023-01-30 05:10

图像分割套件PaddleSeg全面解析（二）Config代码解读

它保存了数据集配置、模型配置、主干网络的配置、损失函数配置等所有的超参数。在PaddleSeg中，通过使用Y

人工智能研习社·2023-01-29 09:31

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

跟踪部分的代码也放出来了：https://gitlab.com/MSRA_NLPR/deeper_wider_siamese_trackers/tree/master/提出问题：基于孪生网络的跟踪大部分的主干网络都是

Fan72·2023-01-27 10:20

论文笔记：主干网络——GoogLeNet-V4

Inception-v4,Inception-ResNetandtheImpactofResidualConnectionsonLearningInception-v4,Inception-ResNet,残差连接对模型训练的影响文章目录Inception-v4,Inception-ResNetandtheImpactofResidualConnectionsonLearningInception-

liuzeyao_Newton·2023-01-26 12:54

主干网络的输入通道数从3改为1，同时保证预训练权重输出

在医学图像处理时，B超图像、CT图像一般被处理为灰度图，也就是通道数为1。然而一些优秀的主干特征提取网络例如ResNet、VGGNet、DenseNet，以及近几年推出的SwinTransformer、ConvNeXt等，它们都是基于RGB三通道数据进行预训练。这就导致了我们如果要使用预训练模型参数，就得把原本(H,W,1)的灰度数据拼接为(H,W,3)，这很大地降低了显存的利用效率。我们还可以选

AbaK1r·2023-01-26 12:45

Yolov2模型——pytorch实现

conv后加入BN(conv不再使用bias)，改善模型的收敛性，同时去掉dropout；2.高分辨率分类器(HighResolutionClassifier)：使用448x448的完整分辨率对分类网络(主干网络

CV_Peach·2023-01-26 10:33

SiamBAN

如图2所示，SiamBAN由一个Siamese网络主干网和多个box自适应磁头组成。Siamese网络主干负责计算模板块和搜索块的卷积特征映射，它使用了现成的卷积网络。

小左先生·2023-01-25 12:42

目标检测——人体行为检测核心期刊论文汇总

面向智能监控的行为识别创新点：YOLO+CNN+LSTM（使用YOLO算法替代运动前景提取、R—CNN等目标检测方法）数据集：MSRKTH复杂背景下的手势识别创新点：对TinyYOLOv3主干网络重新进行设计

冰冰啦啦啦啦啦·2023-01-25 12:07

YOLOv5改进助力涨点

改进损失函数（EIOU、alphaIOU等）添加注意力机制（CBAM、SE等）结合最新特征金字塔网络结构（最新论文改进方法）增加小目标检测层，提高模型对小目标物体的识别能力对模型进行轻量化处理更换YOLOv5主干网络

＆瞎学的小曹ζ·2023-01-25 09:20

第七篇图像分类的评价指标

)精确率（Precision）召回率（Recall）F1-score代码样例欢迎阅读【AI浩】的博客阅读完毕，可以动动小手赞一下发现错误，直接评论区中指正吧这是一篇讲解模型评价指标的文章专栏目录：经典主干网络精讲与实战摘要一般情况来说

AI浩·2023-01-23 13:10

憨批的语义分割重制版5——Keras 搭建自己的Unet语义分割平台

憨批的语义分割重制版5——Keras搭建自己的Unet语义分割平台注意事项学习前言什么是Unet模型代码下载Unet实现思路一、预测部分1、主干网络介绍2、加强特征提取结构3、利用特征获得预测结果二、训练部分

Bubbliiiing·2023-01-22 07:34

清华提出Flowformer：任务通用的主干网络！实现线性复杂度｜ICML 2022

清华大学软件学院机器学习实验室从网络流理论出发，提出任务通用的线性复杂度主干网络Flowformer，在长序列、视觉、自然语言、时间序列、强化学习五大任

Amusi（CVer）·2023-01-17 15:47

Transformer综述(A Survey on Vision Transformer) 阅读学习笔记（三）--Transformer应用的图像处理与视频处理的研究

我们探讨的主要类别包括主干网络、高/中级视觉、低级视觉和视频处理。我们还包括有效的Transformer方法，用于将Transformer推进基于设备的实际应用。

大黑山修道·2023-01-17 11:18

Mobile-Unet

该方法为了兼顾识别精度和计算效率，采用轻量型MobileNetV3网络作为主干网络，以实现深层特征提取，结合Unet网络来提高整体的分割性能。

阿玉婷子在学习·2023-01-17 08:33

【文献阅读笔记】之基于Deeplabv3+的图像语义分割优化方法

方法编码器主干网络增加注意力机制模块，并采用更密集的特征池化模块有效聚合多尺度特征，同时使用深度可分离卷积降低网络计算复杂度。结果基于

cv研究僧·2023-01-16 11:27

【网络结构设计】6、CSPNet | 一种加强 CNN 模型学习能力的主干网络

文章目录一、背景二、方法2.1DenseNet网络结构2.2CrossStagePartialDenseNet2.3将CSPNet和其他结构结合三、效果论文：CSPNet:AnewbackbonethatcanenhancelearningcapabilityofCNN代码：https://github.com/open-mmlab/mmdetection/blob/master/mmdet/mo

呆呆的猫·2023-01-16 09:07

【SingleShotMultiBoxDetector(SSD,单步多框目标检测)】

文章目录SSD的特点算法的对比图SSD算法概述优缺点主干网络其他细节一，重用了fasterrcnn的锚点框机制。二，为什么要这样多尺度特征图预测？

网络星空(luoc)·2023-01-16 08:23

基于深度学习的医学图像分割（Medical Image Segmentation Using Deep Learning: A Survey）

一个调查论文地址：https://arxiv.org/abs/2009.13120摘要文章不同与其他文章：a.由粗到细进行分类（其他：分组详细介绍）b.主要研究监督和弱监督学习方法对监督学习方法，从三方面分析a.主干网络的选择

qq_40938646·2023-01-15 00:31

面试问题总结——关于YOLO系列（三）

三.YOLOv31.YOLOv3主干网络BackBone——Darknet-53网络结构（因为有53个卷积层）（原论文中Darknet53的尺寸是在图片分类训练集上训练的，所以输入的图像尺寸是256x256

boss-dog·2023-01-14 17:58

UNet++学习笔记（主干网络+代码）

论文1Abstract文章提出，UNet主要有以下两大缺陷：①网络最优的深度未知，需要通过大量的实验以及集成不同深度的网络，效率低；②skipconnection引入了不必要的限制，即限制仅在相同的尺度进行特征融合。对此，UNet++进行了以下的优化：①利用不同深度UNet的有效集成（这些UNet共享一个编码器），通过监督学习来搜索最优深度；②重新设计skipconnection，使得解码器的子网

别码了W哥·2023-01-14 16:25

GaitPart学习笔记（主干网络论文介绍+代码讲解）

论文1Introduction先前的研究都是将人体的整个步态作为网络输入进行特征提取，而本文最大的亮点在于发现人体步态的不同部分在形状以及行走时的移动模式上具有显著的区别，并且这些信息将为网络提供更多的细粒度信息，并且为此设计出了FConv模块（FPFE）和MCM模块，并且提出了基于当前为止的SOTA网络：核心模块：①FPFE（帧级特征提取器）：利用FocalConvolution（焦点卷积）提供

别码了W哥·2023-01-14 16:54

Yolo3特征提取+预测网络构建（基于keras）

Yolo3使用的特征提取网络使用的是darknet53，它相较于其他yolo系列的检测算法主要改进有：1、主干网络修改为darknet53，其重要特点是使用了残差网络Residual，darknet53

Hana的小跟班·2023-01-14 13:21

画质增强概述-3.1-AI增强实践之超分训练

AI方法吃GPU、吃算力，很多课题AI方法效果远非传统方法科比，典型的如超分、超帧(频率上采样)、补全、降噪等等，这篇重点介绍AI方法的超分实践，主要分三部分：训练、推理和应用3.1训练3.1.1超分主干网络对超分历年比较经典的主干网络做了一次梳理和调研

何亮-1108·2023-01-11 13:44

Center-based 3D Object Detection and Tracking（基于中心的3D目标检测和跟踪 / CenterPoint）论文笔记

原文链接：https://arxiv.org/pdf/2006.11275.pdf1引言CenterPoint先使用基于激光雷达的主干网络如VoxelNet或PointPillars，压缩为BEV后，使用基于图像的关键点检测器寻找物体中心

byzy·2023-01-10 10:55

目标检测入门之再读YOLOv3

的基础上,改良了网络的主干,利用多尺度特征图进行检测,改进了多个独立的Logisticregression分类器来取代softmax来预测类别分类.YOLOv3的论文链接:戳我闲话少述,我们直接开始2主干网络

赵卓不凡·2023-01-10 07:40

YoloV5目标检测系统【详解】

文章目录一、网络结构1、主干网络（backbone）1.1BottleNeck1.2CSPnet1.3Focus结构1.4Silu激活函数1.5SPP结构1.6整个主干（backbone）实现代码2、F

全息数据·2023-01-09 22:50

Pytorch深度学习实践（b站刘二大人）P11讲 (CNN卷积神经网络高级篇)

GoogLeNet：蓝色的块是卷积，红色的块是池化，黄色的是softmax减少代码冗余：函数/类当网络结构复杂，对于类似或者相同的子结构，就可以把这个子结构（块）封装成一个类GoogleNet，常被用作基础主干网络

努力学习的朱朱·2023-01-09 22:20

基于改进 YOLOv5 的小目标检测论文代码复现

使用yolov5-6.0源码、yolov5x.yaml、yolov5x.pt1、在主干网络中,加入CBAM注意力模块增强网络特征提取能力参考：加入CBAM#YOLOv5v6.0backbonebackbone

day day happy·2023-01-09 08:32

MMsegmentation教程 5: 训练技巧

MMSegmentation支持如下训练技巧：主干网络和解码头组件使用不同的学习率(LearningRate,LR)在语义分割里，一些方法会让解码头组件的学习率大于主干网络的学习率，这样可以获得更好的表现或更快的收敛

致Great·2023-01-08 09:04

行为识别论文笔记 Mobile Video Action Recogition

MobileVideoActionRecogition这篇论文是将行为识别搭建到手机上的构想,提出了用MobileNetV2来作主干网络，TTP融合I帧，MV(特征向量），残差。

Taboo-·2023-01-06 18:03

论文笔记：主干网络——SENet

Squeeze-and-ExcitationNetworksSENet文章目录Squeeze-and-ExcitationNetworksSENet论文结构一、摘要核心二、SqueezeandExcitation①Squeeze：GlobalInformationEmbedding②Excitation：AdaptiveRecalibration③SEBlock流程图④SEBlock嵌入方法三、S

liuzeyao_Newton·2023-01-06 13:34

基于深度学习的小目标检测方法

1、小目标①像素点小于32*32的物体②目标尺寸为原图的0.12、小目标检测面临的困难①底层特征缺乏语义信息．在现有的目标检测模型中，一般使用主干网络的底层特征检测小目标，但底层特征缺乏语义信息，给小目标的检测带来了一定的困难

ZDA2022·2023-01-06 10:09

SSD系列、Retinanet、Efficientdet、RCNN系列知识点整理

1.SSD（2016）https://arxiv.org/pdf/1512.02325.pdf类似前面整理YOLO系列，先放上结构框图，有框图就很容易明白了主要创过程：（1）主干网络是VGG16网络，将

竹叶青lvye·2023-01-05 12:57

CP-net第三部分解读

1.首先介绍一下网络结构上下文先验网络（CPNet）是一个完全卷积的网络，由主干网和上下文先验层组成，主干网是一个现成的卷积网络，例如ResNet，具有扩展策略。

cfsongbj·2023-01-04 20:31

深度学习学习文章、视频整理

DeepLearning顶尖大佬全中文教学“这周组会又有内容了”、“导师您来了”斯坦福2021秋：实用机器学习，从入门到毕业，短小精悍经典DL论文精读，无废话，极易懂，高站位UP：同济子豪兄理论入门的不二人选，十几篇主干网络与目标识别的

weixin_47741262·2023-01-04 11:09

CNN中感受野的理解与计算（以VGG16中为例）

前言由于SSD的主干网络是VGG16，出于对“低层featuresmap的感受野较小，高层的感受野较大”的结论进行挖掘，因此对VGG16网络中的感受野进行了计算。

几夏经秋·2023-01-04 10:39

CPU/GPU(CUDA)版本的 YOLOv5后处理代码

CPU/GPU(CUDA)版本的YOLOv5后处理代码说明这里是YOLOv5后处理的代码，载入主干网络保存的数组，分别用CPU、GPU实现后处理，得到检测框。

HELLOWORLD2424·2023-01-04 10:23

PicoDet论文译读笔记

本文增强了主干网络的结构；设计了neck部分的轻量型结构，此结果可以提

songyuc·2023-01-04 08:25

神经网络绘图工具PlotNeuralNet绘制折线

折线示意图本文所指折线连接线如上图所示，详见官方文档FCN-8网络示意图：官方README注：本文实现稍有差异，假定情况为所绘制的模块在主干网络“上方”，图中为“下方”。

NekoTom·2023-01-04 07:00

torchvision Faster-RCNN ResNet-50 FPN代码解析（总体结构）

总体结构花了点时间把整个代码架构理了理，画了如下这张图：(*)假设原始图片大小是599x900主体部分分为这几大部分：Transform，主要是对输入图像进行转换Resnet-50，主干网，主要是特征提取

王飞95·2023-01-03 10:30

深度学习常见术语（持续更新...）

经常使用的主干网络有ResNet、VGG等，而不是我们自己设计的网络，因为这些网络已经被充分证明在分类等问题上具有很强的特征提取能力。在使用这些网络作为b

视觉闫小亘·2023-01-03 08:54

推荐频道

主干网