轻量级网络

轻量级网络综述 — 主干网络篇

点击上方“计算机视觉工坊”，选择“星标”干货第一时间送达轻量级网络的核心是在尽量保持精度的前提下，从体积和速度两方面对网络进行轻量化改造，本文对轻量级网络进行简述，主要涉及以下网络：SqueezeNet
Tom Hardy·2022-12-10 03:38

轻量级网络MicroNet--低FLOPs的实现：卷积与激活函数的改进

论文地址：《MicroNet:TowardsImageRecognitionwithExtremelyLowFLOPs》亮点卷积：稀疏连通性，避免了网络宽度的大幅度缩减；激活函数：动态激活函数，减轻了网络深度缩减。问题这篇论文旨在以极低的计算成本解决性能大幅下降的问题，移动嵌入式设备通常具有较低的性能，因此要在边缘设备上部署深度学习模型，就要求网络模型具有较低计算量，但是低开销的网络通常性能表现不
胖虎记录学习·2022-12-10 03:35

CNN卷积参数量计算

参考：轻量级网络-Mobilenet系列(v1,v2,v3)-知乎盘点下每种类型的层计算可学习参数的数量Inputlayer：输入层所做的只是读取输入图像，因此这里没有可以学习的参数。
benben044·2022-12-07 07:40

卷积神经网络发展历程——轻量级网络模型（自己学习的笔记分享）

轻量级网络模型SqueezeNet2016https://arxiv.org/abs/1602.07360SqueezeNet的目标就是在保持和AlexNet同样的准确度上，参数比它少50倍，模型文件可比它小
怪人i命·2022-12-05 11:52

Lite-HRNet: A Lightweight High-Resolution Network 阅读笔记

我们首先简单地将ShuffleNet中高效的shuffleblock应用于HRNet，相比流行的轻量级网络（如MobileNet、ShuffleNet和小型HRNet）能产生更好的性能。
AnZhiJiaShu·2022-12-05 01:26

轻量级cnn网络cv方向总结

轻量级高精度人脸检测推荐:轻量级高精度人脸关键点推荐:轻量级高精度分割网络推荐:yolov5face:Yolov5face训练手册:yolov5剪枝：15种轻量级主干网络轻量级超分网络轻量级姿态检测本文总结了一下常用的轻量级网络
AI视觉网奇·2022-12-03 08:55

论文学习笔记（五）BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

『写在前面』语义分割轻量级网络。
Wilber529·2022-12-02 20:29

RepVGG论文详解

RepVGG论文详解RepVGG是截止到2021.2.9日为止最新的一个轻量级网络架构。在我的测试中，其在安霸CV22上的加速效果不如ShuffleNetv2。
qq_1041357701·2022-12-02 16:45

[ 轻量级网络 ] 经典网络模型4——Xception 详解与复现

Author：HorizonMax✨编程技巧篇：各种操作小结机器视觉篇：会变魔术OpenCV深度学习篇：简单入门PyTorch神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode[轻量级网络]经典网络模型
Horizon Max·2022-12-01 20:02

[ 轻量级网络 ] 经典网络模型3——ShuffleNet 详解与复现

Author：HorizonMax✨编程技巧篇：各种操作小结机器视觉篇：会变魔术OpenCV深度学习篇：简单入门PyTorch神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode[轻量级网络]经典网络模型
Horizon Max·2022-12-01 20:02

[ 轻量级网络 ] 经典网络模型1——SqueezeNet 详解与复现

Author：HorizonMax✨编程技巧篇：各种操作小结机器视觉篇：会变魔术OpenCV深度学习篇：简单入门PyTorch神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode[轻量级网络]经典网络模型
Horizon Max·2022-12-01 20:31

[ 轻量级网络 ] 经典网络模型2——MobileNet 详解与复现

Author：HorizonMax✨编程技巧篇：各种操作小结机器视觉篇：会变魔术OpenCV深度学习篇：简单入门PyTorch神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode[轻量级网络]经典网络模型
Horizon Max·2022-12-01 16:15

MoCoViT: Mobile Convolutional Vision Transformer

在ImageNet分类任务上，和其他轻量级网络的对比如下：本文主要以GhostNet为基础，加入了改进版的transformerblock。
开心的火龙果·2022-11-30 12:23

知识蒸馏研究综述

知识蒸馏研究综述文章目录知识蒸馏研究综述知识蒸馏的提出知识蒸馏的作用机制蒸馏的知识形式输出特征知识中间特征知识知识蒸馏的方法知识合并多教师学习教师助理跨模态蒸馏相互蒸馏终身蒸馏自蒸馏主要有5种方法可以获得高效的深度学习模型：直接手工设计轻量级网络模型
刘皮狠·2022-11-30 00:17

4 个简单操作，实现 CPU 轻量级网络 ---- PP-LCNet: A Lightweight CPU Convolutional Neural Network

PP-LCNet:ALightweightCPUConvolutionalNeuralNetwork[pdf][github1][github2]本文提出一个能够在CPU上训练的深度学习网络模型，文章和算法都很简单，很容易复现。总结起来就4点：1.使用H-Swish(替代传统的ReLU)；2.SE模块放在最后一层，并使用大尺度卷积核；3.大尺度卷积核放在最后几层；4.在最后的globalavera
Phoenixtree_DongZhao·2022-11-28 19:54

PP-LCNet-A Lightweight CPU Convolutional Neural Network

一、Introduction动机由于MKLDNN库的限制，现有的NN在速度上无法在Inter-CPU上得到最大的提升，本文设计了一种专为InterCPU准备的轻量级网络，设计这个网络的时候，我们主要考虑了一下几个问题如何让网络获取更强的特征表达而不增加推理时延
冬日and暖阳·2022-11-28 19:52

这个轻量级网络PP-LCNet在CPU上快到起飞！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文转载自：集智书童PP-LCNet:ALightweightCPUConvolutionalNeuralNetwork论文：https://arxiv.org/abs/2109.15099代码：https://github.com/PaddlePaddle/PaddleClas本文提出了一种基于MKLDNN加速策略的轻量级CPU
Amusi（CVer）·2022-11-28 19:18

深度学习之路=====10=====＞＞Resnext(tensorflow2)

简介类型：2017CVPR作者：KaimingHe组和其他轻量级网络特点一样，Resnext也是通过降低参数量来改进模型，提高模型精度的。
啥都会点的大秀·2022-11-28 12:33

《Towards Fast, Accurate and Stable 3D Dense Face Alignment 》3DDFA-V2论文研读和工程实现

一：论文主要的4部分1:使用轻量级网络，训练模型回归62个3DMM参数。
咆哮的大叔·2022-11-27 04:00

[目标检测知识蒸馏2] [CVPR19] Distilling Object Detectors with Fine-grained Feature Imitation

[CVPR19]DistillingObjectDetectorswithFine-grainedFeatureImitationIntroduction:在FasterRCNN基础上使用知识蒸馏改进轻量级网络性能
Junjian Zhang·2022-11-26 21:29

轻量级模型设计与部署总结

前言一些关键字定义及理解计算量FLOPs内存访问代价MACGPU内存带宽LatencyandThroughput英伟达GPU架构CNN架构的理解手动设计高效CNN架构建议一些结论一些建议轻量级网络模型部署总结轻量级网络论文解析文章参考资料文章同步发于
嵌入式视觉·2022-11-25 07:06

GhostNet解析以及Tensorflow2中实现Ghost模块

GhostNet解析以及Tensorflow2中实现Ghost模块笔者从事嵌入式图像开发相关工作，希望能在ZYNQ上实现目标检测任务，故把更多的注意力放在轻量级网络上。
xiaoyang0307·2022-11-24 20:52

轻量级网络整理及其在Yolov5上的实现

我的学习路线依旧是以及一些比较新的轻量级网络华为唯一真神涵盖了大量backbone1.PP-LCNet实战：PP-LCNet-YoloV5整体block架构：NET_CONFIG={"blocks2":
weixin_50862344·2022-11-24 20:22

GhostNet网络解析

摘要GhostNet网络是2019年的发布的轻量级网络，速度和MobileNetV3相似，但是识别的准确率比MobileNetV3高，在ImageNetILSVRC-2012分类数据集的达到了75.7%
AI浩·2022-11-24 20:13

【论文笔记】Privacy Prediction of Lightweight Convolutional Neural Network

首先，在不影响原有精度的情况下，将复杂的CNN剪裁成轻量级网络，可以高效地实现安全预测。其次，采用FV同态加密方案对用户的敏感数
Super—Shine·2022-11-24 15:59

（五十一）论文阅读 | 轻量级网络之GhostNet

简介通过实验发现，普通卷积会产生大量冗余的特征图，本文提出一种Ghost模块在大幅减小模型计算量的同时保持模型精度。论文地址代码地址0.Abstract卷积神经网络中存在着大量冗余信息，论文提出的Ghost模块通过简单运算即可在一组固定特征图上产生更多的特征图。该模块即插即用，如本文通过堆叠Ghost模块得到的GhostNet。实验结果表明，GhostNet可以取得与MobileNetV3相当的结
zhangts20·2022-11-23 08:11

论文阅读|Lite-HRNet

我们首先将ShuffleNet中的高效shuffle块简单地应用于HRNet（高分辨率网络），从而产生比MobileNet、ShuffleNet和SmallHRNet等流行的轻量级网络更强的性能。
xiaoweiyuya·2022-11-22 22:12

轻量级网络(一)：MobileNet V1，V2, V3系列

轻量级网络(一)：MobileNetV1，V2,V3系列文章目录轻量级网络(一)：MobileNetV1，V2,V3系列MobileNetV1卷积计算量标准卷积深度可分卷积模型瘦身宽度倍增器分辨率倍增器
陶将·2022-11-22 16:45

深度学习网络 inception v1-v4 解析（0） | 轻量级网络 mobilenet v1-v2

Inceptionv1的网络，主要提出了Inceptionmodule结构（1*1，3*3，5*5的conv和3*3的pooling组合在一起），最大的亮点就是从NIN（NetworkinNetwork）中引入了1*1conv，结构如下图所示，代表作GoogleNet假设previouslayer的大小为28*28*192，则，a的weights大小，1*1*192*64+3*3*192*128+
努力努力再努力tq·2022-11-22 16:11

轻量化网络 Mobilenet V1/V2/V3 学习记录

MobilenetV34.1SEattention4.2Switch激活函数5.MobilenetV3代码2016年直至现在，业内提出了SqueezeNet、ShuffleNet、NasNet、MnasNet以及MobileNet等轻量级网络模型
惊鸿落-Capricorn·2022-11-22 16:21

轻量级网络MobileNeXt--改进MobileNet v2的逆残差结构

论文地址：ECCV2020《MobileNeXt:RethinkingBottleneckStructureforEfficientMobileNetworkDesign》要点论文针对MobileNetV2的核心模块逆残差结构存在的问题进行了深入分析，提出了一种新颖的SandGlass模块，并用于组建了该文的MobileNeXt架构，SandGlass是一种通用的模块，它可以轻易的嵌入到现有网络架
胖虎记录学习·2022-11-21 11:16

LAN: Lightweight Attention-based Network for RAW-to-RGB Smartphone Image Processing LAN：用于 RAW 到 RGB

我们提出了一种基于注意力的轻量级网络(LAN)，它采用卷积层来学习输入镶嵌和无监督预训练
learning112358·2022-11-20 20:55

mobilenet系列论文解读：从v1-v3

一文看遍mobilenet，毫无疑问，移动端的轻量级网络中mobienet肯定是首当其冲，从v1-v3，有着相当的提升和改进，但究其核心，最主要的还是引入了深度可分离卷积的计算，确实很有代表性，不过在v3
lovep1·2022-11-20 08:13

轻量级网络：Squeeze-and-Excitation Networks

Squeeze-and-ExcitationNetworks（SENet）是由自动驾驶公司Momenta在2017年公布的一种全新的图像识别结构，它通过对特征通道间的相关性进行建模，把重要的特征进行强化来提升准确率。这个结构是2017ILSVR竞赛的冠军，top5的错误率达到了2.251%，比2016年的第一名还要低25%，可谓提升巨大。Squeeze-and-Excitation(SE)bloc
坚硬果壳_·2022-11-20 00:25

轻量级网络EdgeViTs论文翻译

论文地址：https://arxiv.org/abs/2205.03436EdgeViTs:CompetingLight-weightCNNsonMobileDeviceswithVisionTransformersEdgeViTs:轻量级视觉Transformer新工作，可与最好的轻量级CNN在移动设备上竞争！摘要：Self-attentionbasedmodelssuchasvisiontra
胖虎记录学习·2022-11-20 00:24

轻量级网络GhostNet--对卷积的新设计解决特征图冗余的问题

论文地址：华为诺亚方舟实验室2020CVPR《GhostNet:MoreFeaturesfromCheapOperations》该论文提供了一个全新的Ghost模块，旨在通过廉价操作生成更多的特征图。基于一组原始的特征图，作者应用一系列线性变换，以很小的代价生成许多能从原始特征发掘所需信息的“Ghost”特征图（Ghostfeaturemaps）。该Ghost模块即插即用，通过堆叠Ghost模块得
胖虎记录学习·2022-11-20 00:23

深度学习笔记（十一）网络 Inception, Xception, MobileNet, ShuffeNet, ResNeXt, SqueezeNet, EfficientNet, MixConv...

1.Abstract本文旨在简单介绍下各种轻量级网络，纳尼？！
weixin_30674525·2022-11-19 15:37

轻量级网络——MobileNetV1、v2详解

MobileNetV1传统卷积计算量卷积核个数×卷积核宽×卷积核高×卷积核通道数×（输出高×输出宽）N×Wk×Hk×C×Wo×Ho输出的高和宽就代表了卷积核在输入图像上卷积的次数，括号前计算的是每次卷积所有参数量，括号内是卷积次数，相乘就是总的计算量。以上图kernal=3cannel=3,N=4为例计算量S1=4×3×3×3×Wo×Ho深度可分离卷积逐通道卷积（DepthwiseConv）按通道
0基础快速入门整数的读写·2022-11-19 08:21

深度学习轻量模型间比较

目录结构1、轻量级网络概述2、官方数据对比3、实验对比4、实验结论注：了解基础理论的同学，请直接跳到第4部分，查看实验结论！
再__努力1点·2022-11-16 09:33

目标检测开源框架YOLOv6全面升级，更快更准的2.0版本来啦

9月5日，美团视觉智能部发布了YOLOv62.0版本，本次更新对轻量级网络进行了全面升级，量化版模型YOLOv6-S达到了869FPS，同时，还推出了综合性能优异的中大型网络（YOLOv6-M/L），丰富了
美团技术团队·2022-11-15 19:40

【深度学习】轻量化CNN网络MobileNet系列详解

深度学习100问Author：louwillMachineLearningLabMobileNet系列作为轻量级网络的代表，使得CNN轻量化和移动端的部署成为可能。
风度78·2022-11-02 08:51

轻量级网络之mobilenet_v1详解

轻量级网络之mobilenet_v1详解前言：学习网络结构有一段时间了，记录下mobilenet_v1的结构论文地址：https://arxiv.org/pdf/1704.04861.pdf一、mobilenet_v1
excelNo1·2022-10-25 16:27

【轻量级网络】MobileNet-v1详解

论文：《MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications》论文链接：https://arxiv.org/abs/1704.04861概述卷积神经网络（CNN）已经普遍应用在计算机视觉领域，并且已经取得了不错的效果。为了追求分类准确度，模型深度越来越深，模型复杂度也越来越高，如深度残差网络（ResNe
姚路遥遥·2022-10-25 16:26

VapSR

VapSR以更少的参数优于当前的轻量级网络。
tt姐whaosoft·2022-10-25 14:13

论文笔记系列：轻量级网络（一）-- RepVGG

✨写在前面：强烈推荐给大家一个优秀的人工智能学习网站，内容包括人工智能基础、机器学习、深度学习神经网络等，详细介绍各部分概念及实战教程，通俗易懂，非常适合人工智能领域初学者及研究者学习。➡️点击跳转到网站。RepVGG笔记论文名称：RepVGG:MakingVGG-styleConvNetsGreatAgain论文下载地址：https://arxiv.org/abs/2101.03697参考代码：
GoAI·2022-10-24 07:09

OpenHarmony轻量系统中内核资源主要管理方式

OpenAtomOpenHarmony（以下简称“OpenHarmony”）轻量系统面向MCU类处理器例如ARMCortex-M、RISC-V32位的设备，硬件资源极其有限，支持的设备最小内存为128KiB，可以提供多种轻量级网络协议
·2022-10-21 12:16

深度可分离卷积（DepthwiseSeparableConvolution）：Depthwise卷积与Pointwise卷积

0、前言1、深度可分离卷积1.1depthwise卷积1.2pointwise卷积2、代码实现参考0、前言深度可分离卷积不用多说，在轻量级网络架构方面是一个绕不开的话题，只要接触深度学习多多少少会接触。
我是一个对称矩阵·2022-10-13 07:59

万字长文搞懂RepVGG模型

RepVGG是截止到2021.2.9日为止最新的一个轻量级网络架构。在我的测试中，其在安霸CV22上的加速效果不如ShuffleNetv2。
唐奋·2022-10-12 07:23

检测网络框架越来越多

由于现在越来越多的需求迁移到边缘端，所以对轻量级网络的要求越来越重，那我们先和大家介绍Yolo-Fastest框架。链接：Y
tt姐whaosoft·2022-09-30 07:15

MobileNet 系列：从V1到V3

MobileNet系列：从V1到V3转自：轻量级神经网络“巡礼”（二）——MobileNet，从V1到V3自从2017年由谷歌公司提出，MobileNet可谓是轻量级网络中的Inception，经历了一代又一代的更新
Adenialzz·2022-09-28 12:11
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他