E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
晓飞的算法工程笔记
CentripetalNet：更合理的角点匹配，多方面改进CornerNet | CVPR 2020
另外论文提出的十字星变形卷积也很好地贴合角点目标检测的场景，增强角点特征 来源：
晓飞的算法工程笔记
公众号论文:CentripetalNet:PursuingHigh-qualityKeypointPairsforObjec
·
2021-06-18 22:31
ExtremeNet：通过极点进行目标检测，更细致的目标区域 | CVPR 2019
ExtremeNet的检测方法十分独特，但是包含了较多的后处理方法，所以有很大的改进空间，感兴趣可以去看看论文实验中的错误分析部分 来源：
晓飞的算法工程笔记
公众号论文:Bottom-upObjectDetectionbyGroupingExtremeandCenterPoints
·
2021-06-18 22:23
FBNet/FBNetV2/FBNetV3：Facebook在NAS领域的轻量级网络探索 | 轻量级网络
，分析当前搜索方法的缺点，逐步增加创新性改进，FBNet结合了DNAS和资源约束，FBNetV2加入了channel和输入分辨率的搜索，FBNetV3则是使用准确率预测来进行快速的网络结构搜索 来源：
晓飞的算法工程笔记
公众号
·
2021-06-18 22:02
NetAdapt：MobileNetV3用到的自动化网络简化方法 | ECCV 2018
NetAdapt的思想巧妙且有效，将优化目标分为多个小目标，并且将实际指标引入到优化过程中，能够自动化产生一系列平台相关的简化网络，不仅搜索速度快，而且得到简化网络在准确率和时延上都于较好的表现 来源：
晓飞的算法工程笔记
公众号论文
·
2021-06-18 22:22
DARTS：基于梯度下降的经典网络搜索方法，开启端到端的网络搜索 | ICLR 2019
来源：
晓飞的算法工程笔记
公众号论文:DARTS:DifferentiableArchitectureSearch论文地址：https://
·
2021-06-18 21:11
IGC系列：全分组卷积网络，分组卷积极致使用 | 轻量级网络
但整体而言，虽然使用IGC模块后参数量和计算量降低了，但网络结构变得更为繁琐，可能导致在真实使用时速度变慢 来源：
晓飞的算法工程笔记
公众号IGCV1论文:InterleavedGroupConvolutionsforDeepNeuralNe
·
2021-06-18 21:37
ChannelNets: channel-wise卷积，在channel维度进行卷积滑动 | NeurIPS 2018
Channel-wise卷积在channel维度上进行滑动，巧妙地解决卷积操作中输入输出的复杂全连接特性，但又不会像分组卷积那样死板，是个很不错的想法 来源：
晓飞的算法工程笔记
公众号论文:ChannelNets
·
2021-01-29 21:48
ESPNet/ESPNetV2：空洞卷积金字塔 | 轻量级网络
另外，HFF的多尺度特征融合方法也很值得借鉴 来源：
晓飞的算法工程笔记
公众号ESPNet论文:ESPNet:EfficientSpatialPyramidofDilatedConvolutionsforSemanti
·
2021-01-28 16:56
PeleeNet：精修版DenseNet，速度猛增至240FPS | NeurIPS 2018
来源：
晓飞的算法工程笔记
公众号论文:Pelee:AReal-TimeObjectDetectionSystemonMobileDevices论文地址：https://arxiv.org/abs/1804.0688
·
2021-01-21 16:29
AmoebaNet：经费在燃烧，谷歌提出基于aging evolution的神经网络搜索 | AAAI 2019
一个锦标赛选择的变种来优化进化算法，在NASNet搜索空间上，对比强化学习和随机搜索，该算法足够简洁，而且能够更快地搜索到更高质量的模型，论文搜索出的AmoebaNet-A在ImageNet上能达到SOTA 来源：【
晓飞的算法工程笔记
VincentLee
·
2021-01-20 17:13
算法
机器学习
人工智能
深度学习
神经网络
Objects as Points：预测目标中心，无需NMS等后处理操作 | CVPR 2019
对比上一篇同名的CenterNet算法，本文的算法更简洁且性能足够强大，不需要NMS等后处理方法，能够拓展到其它检测任务中 来源：
晓飞的算法工程笔记
公众号论文:ObjectsasPoints论文地址：https
VincentLee
·
2021-01-19 13:15
算法
机器学习
人工智能
深度学习
神经网络
CPNDet：粗暴地给CenterNet加入two-stage精调，更快更强 | ECCV 2020
论文整体思路很简单，但CPN的准确率和推理速度都很不错，比原本的关键点算法更快，源码也会公开，到时可以一试 来源：
晓飞的算法工程笔记
公众号论文:CornerProposalNetworkforAnchor-free
VincentLee
·
2021-01-19 13:52
算法
机器学习
人工智能
深度学习
神经网络
Objects as Points：预测目标中心，无需NMS等后处理操作 | CVPR 2019
对比上一篇同名的CenterNet算法，本文的算法更简洁且性能足够强大，不需要NMS等后处理方法，能够拓展到其它检测任务中 来源：
晓飞的算法工程笔记
公众号论文:ObjectsasPoints论文地址：https
VincentLee
·
2021-01-19 13:37
算法
机器学习
人工智能
深度学习
神经网络
CPNDet：粗暴地给CenterNet加入two-stage精调，更快更强 | ECCV 2020
论文整体思路很简单，但CPN的准确率和推理速度都很不错，比原本的关键点算法更快，源码也会公开，到时可以一试 来源：
晓飞的算法工程笔记
公众号论文:CornerProposalNetworkforAnchor-free
VincentLee
·
2021-01-18 18:56
算法
机器学习
人工智能
深度学习
神经网络
CenterNet：Corner-Center三元关键点，检测性能全面提升 | ICCV 2019
从实验结果来看，CenterNet相对于CornerNet只增加了少量推理时延，但带来了将近5个点的AP提升 来源：
晓飞的算法工程笔记
公众号论文:CenterNet:KeypointTripletsforObjectDetection
VincentLee
·
2021-01-15 13:45
算法
机器学习
人工智能
深度学习
神经网络
CornerNet：经典keypoint-based方法，通过定位角点进行目标检测 | ECCV2018
CornerNet借鉴人体姿态估计的方法，开创了目标检测领域的一个新框架，后面很多论文都基于CorerNet的研究拓展出新的角点目标检测 来源：
晓飞的算法工程笔记
公众号论文:CornerNet:DetectingObjectsasPairedKeypoints
VincentLee
·
2021-01-15 13:55
算法
机器学习
人工智能
深度学习
神经网络
DDBNet：Anchor-free新训练方法，边粒度IoU计算以及更准确的正负样本 | ECCV 2020
从实验来看，DDBNet达到了SOTA，整篇论文可圈可点，但里面的细节还需要等源码公开才知道 来源：
晓飞的算法工程笔记
VincentLee
·
2021-01-15 13:47
人工智能
算法
机器学习
深度学习
神经网络
APReLU：跨界应用，用于机器故障检测的自适应ReLU | IEEE TIE 2020
论文整体思想应该也可以应用于计算机视觉，代码也开源了，大家可以尝试下 来源：
晓飞的算法工程笔记
公众号论文:DeepResidualNetworkswithAdaptivelyParametricRectifierLinearUnitsforFaultDia
VincentLee
·
2021-01-15 13:46
算法
机器学习
人工智能
深度学习
神经网络
Dynamic ReLU：微软推出提点神器，可能是最好的ReLU改进 | ECCV 2020
论文提出了动态ReLU，能够根据输入动态地调整对应的分段激活函数，与ReLU及其变种对比，仅需额外的少量计算即可带来大幅的性能提升，能无缝嵌入到当前的主流模型中 来源：
晓飞的算法工程笔记
公众号论文:DynamicReLU
VincentLee
·
2021-01-15 13:46
算法
机器学习
人工智能
深度学习
神经网络
AABO：自适应Anchor设置优化，性能榨取的最后一步 | ECCV 2020 Spotlight
从实验结果来看，AABO能够仅通过anchor设置优化，为SOTA目标检测方法带来1.4%～2.4%的性能提升 来源：
晓飞的算法工程笔记
公众号论文:AABO:AdaptiveAnchorBoxOptimizationforObjectDetectionviaBayesianS
VincentLee
·
2021-01-15 13:45
算法
机器学习
人工智能
深度学习
神经网络
CSG：清华大学提出通过分化类特定卷积核来训练可解释的卷积网络 | ECCV 2020 Oral
从实验结果来看，CSG的稀疏性能够引导卷积核与类别的强关联，在卷积核层面产生高度类相关的特征表达，从而提升网络的性能以及可解释性 来源：
晓飞的算法工程笔记
公众号论文:TrainingInterpretableConvolutionalNeuralNetworksbyDifferentia
VincentLee
·
2021-01-15 13:15
算法
机器学习
人工智能
深度学习
神经网络
PIoU Loss：倾斜目标检测专用损失函数，公开数据集Retail50K | ECCV 2020 Spotlight
另外论文提供了Retail50K数据集，能够很好地用于评估倾斜目标检测算法的性能 来源：
晓飞的算法工程笔记
公众号论文:PIoULoss:TowardsAccurateOrientedObjectDetectioninComple
VincentLee
·
2021-01-15 13:14
人工智能
算法
机器学习
深度学习
神经网络
简单的特征值梯度剪枝，CPU和ARM上带来4-5倍的训练加速 | ECCV 2020
论文通过DBTD方法计算过滤阈值，再结合随机剪枝算法对特征值梯度进行裁剪，稀疏化特征值梯度，能够降低回传阶段的计算量，在CPU和ARM上的训练分别有3.99倍和5.92倍的加速效果 来源：
晓飞的算法工程笔记
公众号
VincentLee
·
2021-01-15 13:43
人工智能
机器学习
深度学习
算法
神经网络
Jigsaw pre-training：摆脱ImageNet，拼图式主干网络预训练方法 | ECCV 2020
来源：
晓飞的算法工程笔记
公众号
VincentLee
·
2021-01-15 13:43
算法
机器学习
人工智能
深度学习
神经网络
告别炼丹，Google Brain提出强化学习助力Neural Architecture Search | ICLR2017
虽然论文的思路有很多改进的地方，但该论文为AutoML的经典之作，为后面很多的研究提供了思路，属于里程碑式的论文，十分值得认真研读，后面读者会持续更新AutoML的论文，有兴趣的可以持续关注 来源：
晓飞的算法工程笔记
公众
VincentLee
·
2021-01-15 13:10
算法
人工智能
深度学习
神经网络
图像识别
CenterNet：Corner-Center三元关键点，检测性能全面提升 | ICCV 2019
从实验结果来看，CenterNet相对于CornerNet只增加了少量推理时延，但带来了将近5个点的AP提升 来源：
晓飞的算法工程笔记
公众号论文:CenterNet:KeypointTripletsforObjectDetection
VincentLee
·
2021-01-15 13:02
算法
机器学习
人工智能
深度学习
神经网络
CornerNet：经典keypoint-based方法，通过定位角点进行目标检测 | ECCV2018
CornerNet借鉴人体姿态估计的方法，开创了目标检测领域的一个新框架，后面很多论文都基于CorerNet的研究拓展出新的角点目标检测 来源：
晓飞的算法工程笔记
公众号论文:CornerNet:DetectingObjectsasPairedKeypoints
VincentLee
·
2021-01-14 14:04
算法
机器学习
人工智能
深度学习
神经网络
生成特征_GhostNet: 使用简单线性变换生成特征图，超越MobileNetV3的轻量级网络
作者|VincentLee编辑|贾伟本文转载自微信公众号：
晓飞的算法工程笔记
CVPR2020已经公布录用结果，其中有效投稿6656篇，最终录用1470篇，接收率22.1%。
没有故事男同学
·
2020-12-24 20:39
生成特征
DDBNet：Anchor-free新训练方法，边粒度IoU计算以及更准确的正负样本 | ECCV 2020
从实验来看，DDBNet达到了SOTA，整篇论文可圈可点，但里面的细节还需要等源码公开才知道 来源：
晓飞的算法工程笔记
VincentLee
·
2020-11-24 15:02
人工智能
算法
机器学习
深度学习
神经网络
Dynamic ReLU：微软推出提点神器，可能是最好的ReLU改进 | ECCV 2020
论文提出了动态ReLU，能够根据输入动态地调整对应的分段激活函数，与ReLU及其变种对比，仅需额外的少量计算即可带来大幅的性能提升，能无缝嵌入到当前的主流模型中 来源：
晓飞的算法工程笔记
公众号论文:DynamicReLU
VincentLee
·
2020-11-13 11:27
算法
机器学习
人工智能
深度学习
神经网络
APReLU：跨界应用，用于机器故障检测的自适应ReLU | IEEE TIE 2020
论文整体思想应该也可以应用于计算机视觉，代码也开源了，大家可以尝试下 来源：
晓飞的算法工程笔记
公众号论文:DeepResidualNetworkswithAdaptivelyParametricRectifierLinearUnitsforFaultDia
VincentLee
·
2020-11-13 11:25
算法
机器学习
人工智能
深度学习
神经网络
AABO：自适应Anchor设置优化，性能榨取的最后一步 | ECCV 2020 Spotlight
从实验结果来看，AABO能够仅通过anchor设置优化，为SOTA目标检测方法带来1.4%～2.4%的性能提升 来源：
晓飞的算法工程笔记
公众号论文:AABO:AdaptiveAnchorBoxOptimizationforObjectDetectionviaBayesianS
VincentLee
·
2020-11-13 11:56
算法
机器学习
人工智能
深度学习
神经网络
CSG：清华大学提出通过分化类特定卷积核来训练可解释的卷积网络 | ECCV 2020 Oral
从实验结果来看，CSG的稀疏性能够引导卷积核与类别的强关联，在卷积核层面产生高度类相关的特征表达，从而提升网络的性能以及可解释性 来源：
晓飞的算法工程笔记
公众号论文:TrainingInterpretableConvolutionalNeuralNetworksbyDifferentia
VincentLee
·
2020-10-09 19:20
算法
机器学习
人工智能
深度学习
神经网络
CSG：清华大学提出通过分化类特定卷积核来训练可解释的卷积网络 | ECCV 2020 Oral
从实验结果来看，CSG的稀疏性能够引导卷积核与类别的强关联，在卷积核层面产生高度类相关的特征表达，从而提升网络的性能以及可解释性 来源：
晓飞的算法工程笔记
公众号论文:TrainingInterpretableConvolutionalNeuralNetworksbyDifferentia
晓飞的算法工程笔记
·
2020-10-09 15:00
PIoU Loss：倾斜目标检测专用损失函数，公开超难倾斜目标数据集Retail50K | ECCV 2020 Spotlight
另外论文提供了Retail50K数据集，能够很好地用于评估倾斜目标检测算法的性能 来源：
晓飞的算法工程笔记
公众号论文:PIoULoss:TowardsAccurateOrientedObjectDetectioninComple
晓飞的算法工程笔记
·
2020-09-09 17:00
简单的特征值梯度剪枝，CPU和ARM上带来4-5倍的训练加速 | ECCV 2020
论文通过DBTD方法计算过滤阈值，再结合随机剪枝算法对特征值梯度进行裁剪，稀疏化特征值梯度，能够降低回传阶段的计算量，在CPU和ARM上的训练分别有3.99倍和5.92倍的加速效果 来源：
晓飞的算法工程笔记
公众号论文
晓飞的算法工程笔记
·
2020-09-08 11:00
FCOS : 找到诀窍了，anchor-free的one-stage目标检测算法也可以很准 | ICCV 2019
，在目前流行的逐像素(per-pixel)预测方法上进行目标检测，根据实验结果来看，FCOS能够与主流的检测算法相比较，达到SOTA，为后面的大热的anchor-free方法提供了很好的参考 来源：【
晓飞的算法工程笔记
晓飞的算法工程笔记
·
2020-08-26 13:25
晓飞的算法工程笔记
简单的特征值梯度剪枝，CPU和ARM上带来4-5倍的训练加速 | ECCV 2020
作者|VincentLee来源|
晓飞的算法工程笔记
在训练过程中，特征值梯度的回传和权值梯度的计算占了大部分的计算消耗。
AI科技大本营
·
2020-08-24 00:10
算法
机器学习
人工智能
深度学习
计算机视觉
DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight
动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：
晓飞的算法工程笔记
公众号论文
VincentLee
·
2020-08-21 04:13
机器学习
人工智能
深度学习
图像识别
神经网络
DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight
动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：
晓飞的算法工程笔记
公众号论文
VincentLee
·
2020-08-20 17:17
机器学习
人工智能
深度学习
图像识别
神经网络
DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight
动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：
晓飞的算法工程笔记
公众号论文
VincentLee
·
2020-08-20 17:17
机器学习
人工智能
深度学习
图像识别
神经网络
S2DNAS：北大提出动态推理网络搜索，加速推理，可转换任意网络 | ECCV 2020 Oral
S2DNAS最核心的点在于设计了丰富而简洁的搜索空间，从而能够使用常规的NAS方法即可进行动态推理网络的搜索，解决了动态推理网络的设计问题，可进行任意目标网络的转换 来源：
晓飞的算法工程笔记
公众号论文:
VincentLee
·
2020-08-20 17:03
算法
人工智能
深度学习
图像识别
神经网络
S2DNAS：北大提出动态推理网络搜索，加速推理，可转换任意网络 | ECCV 2020 Oral
S2DNAS最核心的点在于设计了丰富而简洁的搜索空间，从而能够使用常规的NAS方法即可进行动态推理网络的搜索，解决了动态推理网络的设计问题，可进行任意目标网络的转换 来源：
晓飞的算法工程笔记
公众号论文:
VincentLee
·
2020-08-20 17:03
算法
人工智能
深度学习
图像识别
神经网络
Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral
梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：
晓飞的算法工程笔记
公众号论文:GradientCentralization
VincentLee
·
2020-08-20 17:14
算法
机器学习
人工智能
深度学习
神经网络
Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral
梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：
晓飞的算法工程笔记
公众号论文:GradientCentralization
VincentLee
·
2020-08-20 17:14
算法
机器学习
人工智能
深度学习
神经网络
DETR：基于Transformer的目标检测新范式，性能媲美Faster RCNN | ECCV 2020 Oral
DETR基于标准的Transorfmer结构，性能能够媲美FasterRCNN，而论文整体思想十分简洁，希望能像FasterRCNN为后续的很多研究提供了大致的思路 来源：
晓飞的算法工程笔记
公众号论文:
VincentLee
·
2020-08-20 17:06
算法
机器学习
人工智能
深度学习
神经网络
BorderDet：通过边界特征大幅提升检测准确率，即插即用且速度不慢 | ECCV 2020 Oral
在开源实现中，对BorderAlign进行了高效CUDA实现，不会对耗时带来很大的影响，整个工作十分扎实 来源：
晓飞的算法工程笔记
公众号论文:BorderDet:BorderFeatureforDenseObjectDe
VincentLee
·
2020-08-20 17:36
算法
机器学习
人工智能
深度学习
神经网络
DETR：基于Transformer的目标检测新范式，性能媲美Faster RCNN | ECCV 2020 Oral
DETR基于标准的Transorfmer结构，性能能够媲美FasterRCNN，而论文整体思想十分简洁，希望能像FasterRCNN为后续的很多研究提供了大致的思路 来源：
晓飞的算法工程笔记
公众号论文:
VincentLee
·
2020-08-20 17:36
算法
机器学习
人工智能
深度学习
神经网络
BorderDet：通过边界特征大幅提升检测准确率，即插即用且速度不慢 | ECCV 2020 Oral
在开源实现中，对BorderAlign进行了高效CUDA实现，不会对耗时带来很大的影响，整个工作十分扎实 来源：
晓飞的算法工程笔记
公众号论文:BorderDet:BorderFeatureforDenseObjectDe
VincentLee
·
2020-08-20 17:35
算法
机器学习
人工智能
深度学习
神经网络
Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral
梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：
晓飞的算法工程笔记
公众号论文:GradientCentralization
VincentLee
·
2020-08-20 17:35
算法
机器学习
深度学习
神经网络
图像识别
上一页
1
2
3
4
5
6
下一页
按字母分类：
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他