轻量级网络

2020-12-25

OKHttp源码解析OKHttp是一个处理网络请求的的开源项目，也是目前Android开发最火热的轻量级网络请求框架，所以掌握OKHttp的用法以及它的内部工作原理还是很有必要的，这篇文章就先来介绍下OKHttp
遥望星空forward·2020-12-25 17:54

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%。CVPR2020将于6月14日-6月19日在美国西雅图举办。虽然在近三年来，CVPR的论文投稿量都在持续大涨（CVPR2018有3300篇有效投稿、CVPR2019有5160篇有效投稿、CVPR2020有效投稿达6656），然而
没有故事男同学·2020-12-24 20:39

OkHttp3源码解析（一）——整体框架

目录目录一、简介及框架OkHttp是安卓端最火热的轻量级网络框架，由移动支付Square公司开源，用于替代HttpUrlConnection和Apache的HttpClient，事实上，Android4.4
码农翻身记·2020-12-21 09:17

郑专家从7个维度全面评测轻量级网络——mobilenet/shufflenet/ghostnet

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！
计算机视觉研究院·2020-12-18 08:00

炼丹日记

由于之前师兄有基础，我就拿师兄搭建好的mobilenetv3轻量级网络来进行训练测试，这项工作大概已经有半个多月了，从当初
Kart_smiling·2020-12-01 11:13

RFBnet论文笔记

因此提出，建立一个快且强力的检测器，应该对轻量级网络加上人为设计的部分而不是顽固地加深模型。另
龙骑士尹志华·2020-09-17 06:49

java设计模式学习笔记之装饰模式

设计模式学习笔记之装饰模式尊重原创，转载请注明出处，原文地址：http://blog.csdn.net/qq137722697这是一个使用策略模式和构建模式设计的网络请求框架，去看看吧《[倾力之作]android轻量级网络请求框架
大力-哥·2020-09-17 06:20

轻量级网络:MnasNet

目录概要ProblemFormulationMobileNeuralArchitectureSearchFactorizedHierarchicalSearchSpaceSearchAlgorithmExperimentSetupResultsImageNetClassificationPerformanceModelScalingPerformanceCOCO目标检测表现AblationStud
坚硬果壳_·2020-09-17 03:59

yolov3--21--轻量级网络mobilenetv2改进测试记录-采用tensorflow中slim下的分类网络训练自己的数据集

Yolov-1-TX2上用YOLOv3训练自己数据集的流程(VOC2007-TX2-GPU)Yolov--2--一文全面了解深度学习性能优化加速引擎---TensorRTYolov--3--TensorRT中yolov3性能优化加速（基于caffe）yolov-5-目标检测：YOLOv2算法原理详解yolov--8--Tensorflow实现YOLOv3yolov--9--YOLOv3的剪枝优化y
hy-lscj·2020-09-13 16:29

Mininet – “懒惰”网络研究者的福音

本文将介绍一套强大的轻量级网络研究平台——mininet，通过它相信大家可以很好地感受到软件定义网络的魅力。
martin2350·2020-09-13 07:39

论文学习MobileNet-v2（超详解）

而MobileNet-v2继续致力于构建移动端的轻量级网络。MobileNet-v2依
USTC_SC·2020-09-13 01:20

WebAPI 身份认证解决方案——Phenix.NET企业应用软件快速开发平台.使用指南.21.WebAPI服务（一）

21WebAPI服务ASP.NETWebAPI，是微软在.NETFramework4.5上推出的轻量级网络服务框架，虽然作为ASP.NETMVC4的一部分，但却是一套全新的、独立的服务平台开发框架，可支持多种
炼金士·2020-09-12 11:35

轻量级网络论文：Xception: Deep Learning with Depthwise Separable Convolutions及其PyTorch实现

Xception:DeepLearningwithDepthwiseSeparableConvolutions论文链接：https://arxiv.org/pdf/1610.02357.pdfPyTorch：https://github.com/shanglianlm0525/PyTorch-NetworksPyTorch代码：importtorchimporttorch.nnasnnimport
mingo_敏·2020-09-11 22:19

【轻量级网络】Xception -- Deep Learning with Depthwise Separable Convolutions

depthwiseseparableconv=depthwiseconv+pointwiseconv一、MotiveInception是性能最好的骨干网之一,用很少的参数可以学习到很丰富的特征。Inceptionv3的基本模块结构如下：filter在三维空间（2空间维度和1通道维度）进行学习，需要同时学习空间相关性和通道相关性(cross-channelcorrelationsandspatial
1273545169·2020-09-11 21:47

什么是depthwise separable convolutions

所以在一些轻量级网络中会碰到这种结构如MobileNet。常规卷积操作对于一张5×5像素、三通道彩色输入图片（shape为5×5×3）。经
猫猫与橙子·2020-09-11 21:41

5个替代Apache和IIS的轻量级网络服务器

查看原文：http://www.ibloger.net/article/303.html说起Apache和IIS网络服务器，真可谓无人不知，其应用之广也是首屈一指。但是，出色的网络服务器可并不只有Apache和IIS。事实上，性能卓越，堪比Apache和IIS的其他网络服务器还有很多。出色的网络服务器应该具备哪些条件呢？至少得达到如下要求：高可扩展性稳定易配置轻巧：CPU负载低，资源占用率低，内存
X-rapido·2020-09-11 07:48

iOS开发第三方库、插件整理集合

项目常用第三方建议通过CocoaPods安装AFNetworking一款轻量级网络请求开源框架，其中带有Reachability监测网络状态。
Jane Han·2020-09-10 11:26

iOS开发之swift网络开发入门

看到市面上有很多网络框架，比如Alamofire，功能很强大，但是我们一开始可能用不到那么多的功能，用一个轻量级的网络请求即可，比如SimpleNetwork这个轻量级网络请求框架。
追忆之丘·2020-08-27 11:35

论文学习笔记（四）ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation

『写在前面』2018上半年出品的语义分割轻量级网络。
Wilber529·2020-08-26 14:27

【发布】高性能 Go 网络库 gnet 发布 v1 版

简介gnet是一个基于事件驱动的高性能和轻量级网络框架。
panjf2000·2020-08-24 15:29

轻量级网络：MobileNet和SqueezeNet的比较

SqueezeNet：2016年MobileNet：2017年Google同样把是Alexnet参数量1/50的参数量，mobilenet速度比alexnet快10倍，而squeezenet没有太大提升。单两者都是用了卷积拆分的方法来替换标准卷积，squeezenet的叫firemodule,mobilenet分成depthwise层和pointwise层，两者都用globalavgpooling
那年聪聪·2020-08-24 14:47

kotlin中使用 xUtils 是轻量级网络请求工具

kotlin中使用xUtils轻量级网络请求工具：xUtils包含了orm,http(s),image,view注解,但依然很轻量级(251K),并且特性强大,看看官网就知道了git地址：https:/
Jeff_YaoJie·2020-08-24 07:50

深入剖析MobileNet和它的变种（例如：ShuffleNet）为什么会变快？

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”重磅干货，第一时间送达最近在看轻量级网络的东西，发现这篇总结的非常的好，因此就翻译过来！
flyfor2013·2020-08-24 00:00

轻量级深度学习网络概览

调研了一下最近的一些轻量级网络，列举并简单介绍各个网络的设计思路PVANET2016年1月在arxiv网站第一次提交文章地址：https://arxiv.org/abs/1608.08021代码链接：https
MichaelLiu_dev·2020-08-23 14:27

秒懂系列——轻量级神经网络之MobileNet

轻量级神经网络业内提出了SqueezeNet、ShuffleNet、NasNet、MnasNet、MobileNet以及EfficientNet等轻量级网络模型。本文主要介绍MobileNet。
聊北辰同学·2020-08-23 10:30

轻量级网络之ShuffleNet

轻量级网络之ShuffleNet原论文——ShuffleNet:AnExtremelyEfficientConvolutionalNeuralNetworkforMobileDevices介绍目前深度学习网络已经取得很大的成功
萧风萧雨·2020-08-23 02:14

MobileFaceNets，简书作者，进行了该模型的对比实验，验证算法改进提升的原因

评论0喜欢0MobileFaceNets:EfficientCNNsforAccurateRealTimeFaceVerificationonMobileDevices背景介绍偏工程性论文，分析了现有轻量级网络应用于人脸识别的不足
shishi_m037192554·2020-08-22 02:32

gnet: 轻量级且高性能的 Golang 网络库

简介gnet是一个基于Event-Loop事件驱动的高性能和轻量级网络库。这个库直接使用epoll和kqueue系统调用而非标准Golang网络包：net来构建网络应用，它的工作原理类似
panjf2000·2020-08-21 19:44

轻量级网络之ShuffleNet v2

轻量级网络之ShuffleNetv2原论文——ShuffleNetV2:PracticalGuidelinesforEfficientCNNArchitectureDesign,ECCV2018介绍论文指出目前的轻量级模型主要根据间接的
萧风萧雨·2020-08-21 16:18

轻量级网络之mobilenet_v1

1、动机MobileNet是为移动和嵌入式设备提出的高效模型，使用深度可分离卷积(depthwiseseparableconvolutions,即Xception变体结构)来构建轻量级深度神经网络。2、核心技术depthwiseseparable卷积depthwiseseparableconvolution可以进一步拆分成depthwise卷积和pointwise卷积，如下图所示为普通卷积和dep
DL-Practise·2020-08-20 17:24

卷积神经网络（三） 轻量级网络EffNet pytorch实现

这篇论文是在Mobilenetv1,v2,Shufflev1发表之后提出来的，阅读论文前面的一部分就可以知道，主要也是针对这两篇论文的改进。**1.主要改进的地方就是下面这幅图：**将深度可分离卷积（3，3）改成（3，1），（1，3）空间可分离卷积，这个结构在谷歌的Inception网络结构中也提到过，感兴趣的小伙伴可查阅。2.该模块代码实现defmake_layers(self,ch_in,ch
行走的鸭蛋·2020-08-19 05:40

特征提取模型的轻量化之路（一）

文章目录一、参数量和理论计算量1、计算公式：二、轻量级网络1、[SqueezeNet](https://arxiv.org/pdf/1602.07360.pdf)2、深度可分离卷积2.1、普通卷积2.2
Soul·Top·2020-08-19 05:48

Pytorch实例----CAFAR10数据集分类（ShuffleNet）

在上一篇Pytorch实例----CAFAR10数据集分类（ResNet）的识别统计,本篇主要调整Net()类，设计ShuffleNet轻量级网络（+BN），实现对CAFAR10数据集的分类任务。
qq_37172182·2020-08-17 14:15

GhostNet : 轻量级网络模型，性能超越MobileNetV3(CVRP2020, 华为诺亚)

点击上方“3D视觉工坊”，选择“星标”干货第一时间送达原文链接：https://arxiv.org/pdf/1911.11907.pdf代码：https://github.com/huawei-noah/ghostnet主要思想由于存储和计算资源的限制，卷积神经网络（CNNs）在嵌入式设备上的应用非常困难。特征映射的冗余性是这些成功的神经网络的一个重要特征，但在神经网络结构设计中却鲜有研究。本文提
3Ｄ视觉工坊·2020-08-17 11:06

Android 一份详细的Retrofit2.0基本使用总结

OkHttp是Square公司贡献的一款轻量级网络请求框架，我在这里就不做具体介绍了，后续我会对这些主流的网络框架的优缺做个总结，RESTful是一种软件架构风格，
mjzuo·2020-08-15 13:17

本周新出计算机视觉开源代码汇总（语义分割、目标检测、超分辨率、网络结构设计、训练策略等）

CV君汇总了过去一周计算机视觉领域新出的开源代码，涉及到图像增广、医学图像分割、图像恢复、目标检测、语义分割、超分辨率、显著目标检测、轻量级网络结构设计、网络规范化、标注工具等，其中有多篇来自CVPR2019
关注公号‘AI深度学习视线’·2020-08-14 23:47

libevent之Reactor模式

通过前边的一篇博文轻量级网络库libevent初探，我们知道libevent实际上是封装了不同操作系统下的/dev/poll、kqueue、eventports、select、poll和epoll事件机制
aahnm075262·2020-08-14 06:36

(超详细)基于MTCNN+FaceNet实现人脸识别及轻量级网络探索和改进(附数据集及预训练模型)

目录一、原理分析二、FcaeNet源码使用三、爬虫自制数据集(提高亚洲人脸准确率)四、加载预训练模型五、加载自制pairs验证文档六、轻量级网络研究七、FaceNet扩展使用-FaceNet+SVM/KNN
zhulu_20·2020-08-12 10:49

Android volley 使用OkHttp3.0

前言：volley----Google出品的android平台轻量级网络库优点：扩展性强，请求队列管理基本介绍：http://blog.csdn.net/t12x3456/article/details
吃素的小动物·2020-08-10 22:20

轻量级网络论文: ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Block

ACNet:StrengtheningtheKernelSkeletonsforPowerfulCNNviaAsymmetricConvolutionBlocksPDF:https://arxiv.org/pdf/1908.03930v1.pdfPyTorch代码:https://github.com/shanglianlm0525/PyTorch-Networks3x3卷积+1x3卷积+3x1卷
mingo_敏·2020-08-04 18:00

Pytorch实现卷积神经网络训练量化（QAT）

基于这一点我们需要为移动端定制一些深度学习网络来满足我们的日常续需求，例如SqueezeNet，MobileNet，ShuffleNet等轻量级网络就是专为移动端设计的。
just_sort·2020-08-03 18:42

深入剖析MobileNet和它的变种

最近在看轻量级网络的东西，发现这篇总结的非常的好，因此就翻译过来！总结各种变种，同时原理图非常的清晰，希望能给大家一些启发，如果觉得不错欢迎三连哈！
深度学习技术前沿·2020-08-01 06:39

Volley + OkHttp3 + Gson 组合的简单网络请求封装

1.Volley——Google出品的android平台轻量级网络库优点：扩展性强，请求队列管理基本介绍：http://blog.csdn.net/itachi85/article/details/51043704github
小本V·2020-08-01 05:21

Service Mesh概述

实际上，服务网格通常通过一组轻量级网络代理来实现，这些代理与应用程序代码一起部署，而不需要感知应用程序本身。
楚兴·2020-07-31 10:52

一文读懂VargFacenet

VargFacenet简介为了提高用于人脸识别的轻量级网络的判别和泛化能力，VargFacenet引用了可变组卷积（variablegroupconvolution）来解决小计算量与块内计算强度不平衡之间的冲突
小小小绿叶·2020-07-28 02:31

MobileNetV1/V2/V3简述 | 轻量级网络

MobileNet系列很重要的轻量级网络家族，出自谷歌，MobileNetV1使用深度可分离卷积来构建轻量级网络，MobileNetV2提出创新的invertedresidualwithlinearbottleneck
晓飞的算法工程笔记·2020-07-28 02:15

SqueezeNet/SqueezeNext简述 | 轻量级网络

SqueezeNet系列是比较早期且经典的轻量级网络，SqueezeNet使用Fire模块进行参数压缩，而SqueezeNext则在此基础上加入分离卷积进行改进。
晓飞的算法工程笔记·2020-07-28 02:14

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

为了减少神经网络的计算消耗，论文提出Ghost模块来构建高效的网络结果。该模块将原始的卷积层分成两部分，先使用更少的卷积核来生成少量内在特征图，然后通过简单的线性变化操作来进一步高效地生成ghost特征图。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

ShuffleNetV1/V2简述 | 轻量级网络

ShuffleNet系列是轻量级网络中很重要的一个系列，ShuffleNetV1提出了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
晓飞的算法工程笔记·2020-07-28 02:14

ServiceMesh为何物

在实践中，ServiceMesh通常以轻量级网络代理阵列的形式实现，这些代理与应用程序代码部署在一起，对应用程序来说无需感知代理的存在。所以某种程度
游杜渐·2020-07-26 22:49
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他