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
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
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
·
2020-08-18 09:12
算法
人工智能
深度学习
图像识别
神经网络
Cascade RPN，结构的艺术带来极致提升 | NeurIPS 2019
作者|VincentLee来源|
晓飞的算法工程笔记
（ID:gh_084c810bc839）导读：论文提出CascadeRPN算法来提升RPN模块的性能，该算法重点解决了RPN在迭代时anchor和feature
AI科技大本营
·
2020-08-16 19:34
Google出品，EfficientNet在目标检测达到最新SOTA | CVPR 2020
作者|tanmingxing，rpang，qvl来源|
晓飞的算法工程笔记
（）介绍目前目标检测领域，高精度的模型通常需要很大的参数量和计算量，而轻量级的网络则一般都会牺牲精度。
AI科技大本营
·
2020-08-13 13:05
网络
算法
编程语言
计算机视觉
人工智能
腾讯提结合ACNet进行细粒度分类，效果达到最新SOTA | CVPR 2020
作者|VincentLee来源|
晓飞的算法工程笔记
细粒度分类(Fine-GrainedVisualCategorization,FGVC)是图片分类的一个分支，由于类别间的相似性非常大，一般人比较难区分
AI科技大本营
·
2020-08-11 21:48
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
·
2020-08-07 07:19
算法
机器学习
人工智能
深度学习
神经网络
梯度中心化，一行代码加速训练并提升泛化能力
来源|
晓飞的算法工程笔记
优化器(Optimizer)对于深度神经网络在大型数据集上的训练是十分重要的，如SGD和SGDM，优化器的目标有两个：加速训练过程和提高模型的泛化能力。
AI科技大本营
·
2020-08-05 08:17
算法
计算机视觉
机器学习
人工智能
深度学习
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
·
2020-08-03 22:17
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
·
2020-08-03 22:17
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
·
2020-08-03 18:40
算法
机器学习
深度学习
神经网络
图像识别
DETR：Facebook提出基于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:
晓飞的算法工程笔记
·
2020-08-03 12:00
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
晓飞的算法工程笔记
·
2020-08-03 12:00
Gradient Centralization: 简单的梯度中心化，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
晓飞的算法工程笔记
·
2020-08-03 12:00
MobileNetV1/V2/V3简述 | 轻量级网络
invertedresidualwithlinearbottleneck单元，虽然层数变多了，但是整体网络准确率和速度都有提升，MobileNetV3则结合AutoML技术以及人工微调进行更轻量级的网络构建 来源：
晓飞的算法工程笔记
公众号
晓飞的算法工程笔记
·
2020-07-28 02:15
晓飞的算法工程笔记
MnasNet：经典轻量级神经网络搜索方法 | CVPR 2019
首先使用多目标优化方法将模型在实际设备上的耗时融入搜索中，然后使用分解的层次搜索空间，来让网络保持层多样性的同时，搜索空间依然很简洁，能够使得搜索的模型在准确率和耗时中有更好的tradeoff 来源：【
晓飞的算法工程笔记
晓飞的算法工程笔记
·
2020-07-28 02:15
晓飞的算法工程笔记
神经网络
算法
卷积
深度学习
网络
CondenseNet：可学习分组卷积，原作对DenseNet的轻量化改造 | CVPR 2018
CondenseNet特点在于可学习分组卷积的提出，结合训练过程进行剪枝，不仅能准确地剪枝，还能继续训练，使网络权重更平滑，是个很不错的工作 来源：
晓飞的算法工程笔记
公众号论文:NeuralArchitectureSearchwithReinforcementLearning
晓飞的算法工程笔记
·
2020-07-28 02:15
晓飞的算法工程笔记
卷积
算法
深度学习
人工智能
神经网络
SqueezeNet/SqueezeNext简述 | 轻量级网络
来源：
晓飞的算法工程笔记
公众号SqueezeNet论文:SqueezeNet:AlexNet-levelaccuracywith50xf
晓飞的算法工程笔记
·
2020-07-28 02:14
晓飞的算法工程笔记
GhostNet: 使用简单的线性变换生成特征图，超越MobileNetV3的轻量级网络 | CVPR 2020
从实验来看，对比其它模型，GhostNet的压缩效果最好，且准确率保持也很不错，论文思想十分值得参考与学习 来源：
晓飞的算法工程笔记
公众号论文:GhostNet:MoreFeaturesfrom
晓飞的算法工程笔记
·
2020-07-28 02:14
晓飞的算法工程笔记
ShuffleNetV1/V2简述 | 轻量级网络
channelshuffle操作，使得网络可以尽情地使用分组卷积来加速，而ShuffleNetV2则推倒V1的大部分设计，从实际出发，提出channelsplit操作，在加速网络的同时进行了特征重用，达到了很好的效果来源：
晓飞的算法工程笔记
公众号
晓飞的算法工程笔记
·
2020-07-28 02:14
晓飞的算法工程笔记
深度学习
神经网络
算法
卷积
网络
Evolution of Image Classifiers，进化算法在神经网络结构搜索的首次尝试 | ICML 2017
由于论文是个比较早期的想法，所以可以有很大的改进空间，后面的很大算法也是基于这种想法进行更好的补充 来源：
晓飞的算法工程笔记
公众号论文:Large-ScaleEvolutionofImageClassifiers
晓飞的算法工程笔记
·
2020-07-28 02:43
晓飞的算法工程笔记
基于轮廓调整的SOTA实例分割方法，速度达32.3fps | CVPR 2020
作者|VincentLee来源|
晓飞的算法工程笔记
介绍实例分割是许多计算机视觉任务中的重要手段，目前大多数的算法都采用在给定的bbox中进行pixel-wise分割的方法。
AI科技大本营
·
2020-07-27 21:51
华为提出基于进化算法和权值共享的神经网络结构搜索，CIFAR-10上仅需单卡半天 | CVPR 2020...
作者|VincentLee来源|
晓飞的算法工程笔记
导读：为了优化进化算法在神经网络结构搜索时候选网络训练过长的问题，参考ENAS和NSGA-III，论文提出连续进化结构搜索方法(continuousevolutionarchitecturesearch
AI科技大本营
·
2020-07-27 21:21
CondenseNet：可学习分组卷积，原作对DenseNet的轻量化改造 | CVPR 2018
CondenseNet特点在于可学习分组卷积的提出，结合训练过程进行剪枝，不仅能准确地剪枝，还能继续训练，使网络权重更平滑，是个很不错的工作 来源：
晓飞的算法工程笔记
公众号论文:NeuralArchitectureSearchwithReinforcementLearning
VincentLee
·
2020-07-27 17:41
算法
人工智能
深度学习
神经网络
图像识别
CondenseNet：可学习分组卷积，原作对DenseNet的轻量化改造 | CVPR 2018
CondenseNet特点在于可学习分组卷积的提出，结合训练过程进行剪枝，不仅能准确地剪枝，还能继续训练，使网络权重更平滑，是个很不错的工作 来源：
晓飞的算法工程笔记
公众号论文:NeuralArchitectureSearchwithReinforcementLearning
晓飞的算法工程笔记
·
2020-07-17 17:00
MnasNet：经典轻量级神经网络搜索方法 | CVPR 2019
首先使用多目标优化方法将模型在实际设备上的耗时融入搜索中，然后使用分解的层次搜索空间，来让网络保持层多样性的同时，搜索空间依然很简洁，能够使得搜索的模型在准确率和耗时中有更好的tradeoff 来源：【
晓飞的算法工程笔记
VincentLee
·
2020-07-15 12:34
机器学习
人工智能
深度学习
神经网络
图像识别
MnasNet：经典轻量级神经网络搜索方法 | CVPR 2019
首先使用多目标优化方法将模型在实际设备上的耗时融入搜索中，然后使用分解的层次搜索空间，来让网络保持层多样性的同时，搜索空间依然很简洁，能够使得搜索的模型在准确率和耗时中有更好的tradeoff 来源：【
晓飞的算法工程笔记
晓飞的算法工程笔记
·
2020-07-14 14:00
MobileNetV1/V2/V3简述 | 轻量级网络
invertedresidualwithlinearbottleneck单元，虽然层数变多了，但是整体网络准确率和速度都有提升，MobileNetV3则结合AutoML技术以及人工微调进行更轻量级的网络构建 来源：
晓飞的算法工程笔记
公众号
VincentLee
·
2020-07-10 03:48
算法
人工智能
深度学习
神经网络
图像识别
MobileNetV1/V2/V3简述 | 轻量级网络
invertedresidualwithlinearbottleneck单元，虽然层数变多了，但是整体网络准确率和速度都有提升，MobileNetV3则结合AutoML技术以及人工微调进行更轻量级的网络构建 来源：
晓飞的算法工程笔记
公众号
晓飞的算法工程笔记
·
2020-07-08 16:00
ShuffleNetV1/V2简述 | 轻量级网络
channelshuffle操作，使得网络可以尽情地使用分组卷积来加速，而ShuffleNetV2则推倒V1的大部分设计，从实际出发，提出channelsplit操作，在加速网络的同时进行了特征重用，达到了很好的效果来源：
晓飞的算法工程笔记
公众号
VincentLee
·
2020-07-07 08:15
算法
人工智能
深度学习
图像识别
神经网络
ShuffleNetV1/V2简述 | 轻量级网络
channelshuffle操作，使得网络可以尽情地使用分组卷积来加速，而ShuffleNetV2则推倒V1的大部分设计，从实际出发，提出channelsplit操作，在加速网络的同时进行了特征重用，达到了很好的效果来源：
晓飞的算法工程笔记
公众号
晓飞的算法工程笔记
·
2020-07-06 10:00
YOLOv4: 43mAP/83FPS，虽迟但到，大型调优现场 | 论文速递
YOLOv4在速度和准确率上都十分优异，作者使用了大量的trick，论文也写得很扎实，在工程还是学术上都有十分重要的意义，既可以学习如何调参，也可以了解目标检测的SOTAtrick 来源：
晓飞的算法工程笔记
公众号论文
AI算法修炼营
·
2020-07-05 12:58
SqueezeNet/SqueezeNext简述 | 轻量级网络
来源：
晓飞的算法工程笔记
公众号SqueezeNet论文:SqueezeNet:AlexNet-levelaccuracywith50xf
VincentLee
·
2020-07-05 01:42
人工智能
算法
深度学习
图像识别
神经网络
SqueezeNet/SqueezeNext简述 | 轻量级网络
来源：
晓飞的算法工程笔记
公众号SqueezeNet论文:SqueezeNet:AlexNet-levelaccuracywith50xf
晓飞的算法工程笔记
·
2020-07-02 10:00
SEPC：使用3D卷积从FPN中提取尺度不变特征，涨点神器 | CVPR 2020
作者|VincentLee来源|
晓飞的算法工程笔记
公众号 特征金字塔是解决物体尺度问题的重要手段，但是不同level的特征图其实存在较大的语义差距。
AI科技大本营
·
2020-07-01 21:46
基于层级表达的高效网络搜索方法 | ICLR 2018
论文的搜索方法简单，从实验结果看来，达到很不错的准确率，值得学习 来源：【
晓飞的算法工程笔记
】公众号论文:HierarchicalRepresentationsforEfficientArchitectureSearch
VincentLee
·
2020-06-25 22:35
算法
人工智能
深度学习
神经网络
图像识别
旷世提出类别正则化的域自适应目标检测模型，缓解场景多样的痛点 | CVPR 2020
DAFasterR-CNN系列提出类别正则化框架，充分利用多标签分类的弱定位能力以及图片级预测和实例级预测的类一致性，从实验结果来看，类该方法能够很好地提升DAFasterR-CNN系列的性能 来源：
晓飞的算法工程笔记
公众号论文
VincentLee
·
2020-06-24 18:55
算法
人工智能
深度学习
神经网络
图像识别
基于层级表达的高效网络搜索方法 | ICLR 2018
论文的搜索方法简单，从实验结果看来，达到很不错的准确率，值得学习 来源：【
晓飞的算法工程笔记
】公众号论文:HierarchicalRepresentationsforEfficientArchitectureSearch
晓飞的算法工程笔记
·
2020-06-24 14:00
Genetic CNN: 经典NAS算法，遗传算法的标准套用 | ICCV 2017
论文将标准的遗传算法应用到神经网络结构搜索中，首先对网络进行编码表示，然后进行遗传操作，整体方法十分简洁，搜索空间设计的十分简单，基本相当于只搜索节点间的连接方式，但是效果还是挺不错的，十分值得学习 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
·
2020-06-24 04:45
晓飞的算法工程笔记
可变形卷积系列(三) Deformable Kernels，创意满满的可变形卷积核 | ICLR 2020
来源：
晓飞的算法工程笔记
公众号论文:DeformableKernels:AdaptingEffectiveReceptiveFieldsforObjectDeformation论文地址：https://
晓飞的算法工程笔记
·
2020-06-24 04:45
晓飞的算法工程笔记
YOLOv4: 虽迟但到，大型调优现场，43mAP/83FPS | 论文速递
来源：
晓飞的算法工程笔记
公众号论文:YOLOv4:OptimalSpeedandAccuracyofObjectDetection论文地址：https://arxiv.org/abs/2004.10934
晓飞的算法工程笔记
·
2020-06-24 04:45
晓飞的算法工程笔记
深度学习
神经网络
机器学习
算法
计算机视觉
商汤提出解偶检测中分类和定位分支的新方法TSD，COCO 51.2mAP | CVPR 2020
跳出常规的优化方向，提出TSD方法解决混合任务带来的内在冲突，从主干的proposal中学习不同的task-awareproposal，同时结合PC来保证TSD的性能，在COCO上达到了51.2mAP 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
·
2020-06-24 04:45
晓飞的算法工程笔记
ATSS : 目标检测的自适应正负anchor选择，很扎实的trick | CVPR 2020
AdaptiveTrainingSampleSelection)方法，该方法能够自动根据GT的相关统计特征选择合适的anchorbox作为正样本，在不带来额外计算量和参数的情况下，能够大幅提升模型的性能，十分有用 来源：
晓飞的算法工程笔记
公
晓飞的算法工程笔记
·
2020-06-24 04:44
晓飞的算法工程笔记
Spiking-YOLO : 前沿性研究，脉冲神经网络在目标检测的首次尝试 | AAAI 2020
论文内容新颖，比较前沿，推荐给大家阅读 来源：
晓飞的算法工程笔记
公众号论文:Spiking-YOLO:SpikingNeuralNetworkforEnergy-EfficientObjectDetection
晓飞的算法工程笔记
·
2020-06-24 04:44
晓飞的算法工程笔记
腾讯推出超强少样本目标检测算法，公开千类少样本检测训练集FSOD | CVPR 2020
Attention-RPN、多关系检测器以及对比训练策略，另外还构建了包含1000类的少样本检测数据集FSOD，在FSOD上训练得到的论文模型能够直接迁移到新类别的检测中，不需要fine-tune 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
·
2020-06-24 04:14
晓飞的算法工程笔记
化繁为简，弱监督目标定位领域的新SOTA - 伪监督目标定位方法(PSOL) | CVPR 2020
来解决目前弱监督目标定位方法的问题，该方法将定位与分类分开成两个独立的网络，然后在训练集上使用Deepdescriptortransformation(DDT)生成伪GT进行训练，整体效果达到SOTA，论文化繁为简，值得学习 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
·
2020-06-24 04:14
晓飞的算法工程笔记
算法
计算机视觉
神经网络
机器学习
深度学习
DA Faster R-CNN：经典域自适应目标检测算法，解决现实中痛点，代码开源 | CVPR2018
来源：
晓飞的算法工程笔记
公众号论文:DomainAdaptiveFaster
VincentLee
·
2020-06-23 13:26
机器学习
深度学习
人工智能
神经网络
图像识别
旷世提出类别正则化的域自适应目标检测模型，缓解场景多样的痛点 | CVPR 2020
DAFasterR-CNN系列提出类别正则化框架，充分利用多标签分类的弱定位能力以及图片级预测和实例级预测的类一致性，从实验结果来看，类该方法能够很好地提升DAFasterR-CNN系列的性能 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
·
2020-06-23 10:00
YOLOv4来了，大型调优现场，速度和准确率俱佳
作者|VincentLee来源|
晓飞的算法工程笔记
简介论文提出YOLOv4，从图1的结果来看，相对于YOLOv3在准确率上提升了近10个点，然而速度并几乎没有下降，论文主要贡献如下：提出速度更快、精度更好的检测模型
AI科技大本营
·
2020-06-23 02:44
增量学习不只有finetune，三星AI提增量式少样本目标检测算法 | CVPR 2020
作者|VincentLee来源|
晓飞的算法工程笔记
该论文研究了非常有意义的增量式少样本目标检测场景iFSD(IncrementalFew-ShotDetection)，场景设置如下：检测模型可以在包含充足样本的基础类别上进行训练训练好后
AI科技大本营
·
2020-06-23 02:13
腾讯提超强少样本目标检测算法，公开1000类检测训练集FSOD | CVPR 2020
作者|VincentLee来源|
晓飞的算法工程笔记
不同于正常的目标检测任务，few-show目标检测任务需要通过几张新目标类别的图片在测试集中找出所有对应的前景。
AI科技大本营
·
2020-06-23 02:11
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