BackBone

分享几种resnet框架的backbone代码（pytorch）

importtorchvisionimporttorch.nnasnn__all__=["ResNet18","ResNet50","resnext50_32x4d"]classResNet18(nn.Module):output_size=512def__init__(self,pretrained=True):super(ResNet18,self).__init__()pretrained=
Peihj2021·2022-09-12 11:56

改进YOLOv5系列：29.YOLOv5 结合 极简又强大的RepVGG 重参数化模型结构

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-12 07:39

改进YOLOv7系列：28.YOLOv7 结合 Swin Transformer V2结构，Swin Transformer V2：通向视觉大模型之路

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-12 07:38

改进YOLOv5系列：27.YOLOv5 结合 Swin Transformer V2结构，Swin Transformer V2：通向视觉大模型之路

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-09-12 07:08

改进YOLOv7系列：26.CVPR2022. ConvNeXt结合YOLOv7 | 基于ConvNeXt结构 构建 CNeB 模块

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-09-12 07:08

| 多种搭配，即插即用 | Backbone主干、递归门控卷积的高效高阶空间交互

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-09-12 07:08

改进YOLOv5系列：11.ConvNeXt结合YOLO | CVPR2022 多种搭配，即插即用 | Backbone主干CNN模型

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-09-12 07:07

YOLOX-PAI 详细解读（一）论文解读

二、论文解读0、摘要1、简介2、方法2.1、Backbone2.2、neck2.3、head2.4、PAI-Blade2.5、EasyCVPredictor3、实验3.1、SOTA对比3.2、消融研究3.3
楚楚小甜心·2022-09-12 07:36

检测分割算法改进(篇五) 引入Swin Transformer做检测网络Backbone

检测算法通常包括Backbone、Neck、Head等结构，屠榜的SwinTransformer当然也是可以被作为Backbone的，如下图所示：在撸代码之前，需要对Swin-Transformer的各个模块有清晰的了解
@会飞的毛毛虫·2022-09-04 08:14

改进YOLOv5系列：15.添加SimAM注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-09-04 08:42

用 DeepLab-V3+ 模型做 Cityscapes 的 segmentation 任务，in Keras/TensorFlow 2.8

→arXiv论文链接在此可以用Inception-ResNetV2作为脊柱backbone，搭建一个DeepLab-V3+模型，在Cityscapes数据集上做segmentatio
杭州的平湖秋月·2022-08-30 17:21

目标检测学习笔记（一）——YoloV4环境配置及代码实现

文章目录前言环境配置参考一、yoloV3算法原理及实现yolov3算法原理主干提取网络Darknet53介绍残差网络Darknet53预测部分训练部分其他参考二、YoloV4算法原理YOLOV4改进的部分主干特征提取网络Backbone
卡绒Charon·2022-08-30 07:03

YOLOv6 | 模型结构与训练策略详细解析

文章目录1.网络结构改进1.1EfficientRepBackboneSimSPPFRepConvRepBlock1.2Rep-PAN1.3Decou
Clichong·2022-08-29 12:06

python如何导入不同目录下的包

python如何导入不同目录下的包  今天想给模型换一个backbone时，突然发现不知道怎么导入不同目录下的包，具体是这样的，如下图所示：  现在我们工作在change_backbone_without_fpn.py
秃头小苏·2022-08-29 07:39

改进YOLOv5系列：20.添加GAMAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-08-28 07:16

改进YOLOv5系列：19.添加SEAttention注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-08-28 07:46

计算机视觉中的经典骨干网络总结

在计算机视觉任务中，对图像进行特征提取的网络被称作为骨干网络（Backbone），可以说是下游任务的主心骨了。下面总结近年来研究者们提出的经典的骨干网络。
wang-jue·2022-08-28 07:45

改进YOLOv5系列：21.添加CBAM注意力机制

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-08-28 07:45

YOLOv6目标检测实战：训练自己的数据集 （视频教程）

YOLOv6使用PyTorch开发，基于RepVGGstyle设计了可重参数化、更高效的骨干网络EfficientRepBackbone和Rep-PANNeck。采用了Anchor-free无锚范式、
bai666ai·2022-08-25 13:12

YOLOAir

该项目包含大量的改进方式，并能降低改进难度，改进点包含Backbone、Neck、Head、注意力机制、IoU损失函
tt姐·2022-08-24 21:59

web前端三大主流框架

前言web前端三大主流框架1、Angular2、React3、Vue其他框架1、miniui2、Layui3、Bootstrap4、MUI5、Backbone.js总结感谢前言把博主使用过的前端框架的都列出来
勤快的小蚂蚁·2022-08-23 19:54

backbone核心详解系列——RepVGG

主要贡献设计了重参数化的模块，将训练和推理解耦，并且设计了两个系列的整体网络结构和相应的缩放方法，可以适应不同的精度性能需求，结果显示在GPU上推理速度高于renset系列。PS：这个网络主要考虑的是提升GPU（不是移动端）的计算密度（计算量除以计算时间），追求高速度、省内存，较少关注参数量和理论计算量。在低算力设备上，可能不如MobileNet和ShuffleNet系列适用。主要借鉴了ACNet
TigerZ*·2022-08-23 07:20

tensorflow2实现YOLOv6交通标志检测

2.YOLOv6网络结构如上图是YOLOv6的整体网络结构，主要由三个部分组成Backbone、Neck还有Head部分组成。其流程为：先对输入的图片预处理，处理
Haohao+++·2022-08-22 10:24

| ECCV2022出品，多种搭配，即插即用 | Backbone主干、递归门控卷积的高效高阶空间交互

本项目包含大量的改进方式,降低改进难度,改进点包含【Backbone特征主干】、【Neck特征融合】、【Head检测头】、【注意力机制】、【IoU损失函数】、【NMS】、【Loss计算方式】、【自注意力机制
芒果汁没有芒果·2022-08-21 07:28

Transformer系列目标检测模型小抄(1)

CV领域经典backbone模型小抄(1)CV目标检测模型小抄(1)Transformer系列目标检测模型小抄(1)CV语义分割模型小抄(1)CV实例分割模型小抄(1)多模态模型小抄(1)模型DETR论文
Andy Dennis·2022-08-18 14:48

yolov5学习笔记整理

首先，yolov5主要分为四个部分，输入端，backbone，neck，输出端。
qq_63067417·2022-08-17 19:51

模型压缩（二）yolov5剪枝

标准的backbone中的C3的number分别为：3、6、9、3yolov5s的backbone中的C3的number为：1,、2、3、1
HySmiley·2022-08-16 17:56

Yolov3/Yolov4原理对比改进创新

一、backbone主网络1、升级为Darknet-53yolov3的backbone部分由Yolov2时期的Darknet-19进化至Darknet-53，加深了网络层数，引入了Resnet中的跨层加和操作
酸辣土豆丝不要辣·2022-08-16 08:53

YOLOv3详解

文章目录前言一、YOLOv3网络模型分析1.Backbone：Darknet-532.PANet3.YoloHead二、anchor网格偏移量预测三、正负样本匹配规则四、损失函数1.类别损失(只考虑正样本
月光下的小白兔·2022-08-16 08:52

Yolov4详解

文章目录前言一、Yolov4网络结构1.backbone：CSPDarknet-532.SPP池化3.PAN和Yolohead二、改进点1.Mosaic数据增强2.anchor偏移机制3.正负样本匹配4
月光下的小白兔·2022-08-16 08:22

收藏 | Faster-RCNN详解 (训练过程和RPN与Fast R-CNN)

Faster-RCNN主要由五部分构成：特征提取网络Backbone、RPN、ROIPooing以及RCNN。
一颗磐石·2022-08-16 07:35

yolov5之魔化修改

（1）YOLOAir：小白YOLO系列Trick改进论文推荐|包括Backbone,Neck,Head,注意力机制,IoU损失函数,NMS,自注意力机制,数据增强部分,激活函数_芒果汁没有芒果的博客-CSDN
曙光_deeplove·2022-08-15 07:04

改进YOLOv5系列：9.BoTNet Transformer结构的修改

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-08-15 07:14

改进YOLOv5系列：8.增加ACmix结构的修改,自注意力和卷积集成

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-08-13 07:38

何恺明团队提出探索用于目标检测的不分层ViT Backbone

【写在前面】作者探索了普通的、非分层的视觉Transformer（ViT）作为目标检测的骨干网络。这种设计使原始ViT架构能够针对对象检测进行微调，而无需重新设计用于预训练的分层主干。通过对微调的最小调整，本文的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是，作者观察到:(1)从单尺度特征图(没有常见的FPN设计)构建一个简单的特征金字塔是足够的，(2)在很少的跨窗口传播块的辅助下，使用窗口
FightingCV·2022-08-12 15:35

【论文阅读笔记】Looking Fast and Slow: Memory-Guided Mobile Video Object Detection

Memory-GuidedMobileVideoObjectDetection未经作者允许，本文禁止转载（一）论文地址：（二）核心思想：（三）主要贡献：（四）InterleavedModels（交叉模型）：（五）Backbone
BIT可达鸭·2022-08-12 07:09

【课程作业经验】基于Mindspore实现MTCNN

我的大作业选题是用轻量级的网络模型backbone，实现手机端人脸检测算法，并使用MindSporeLite在端侧推理部署。
·2022-08-11 17:31

何恺明团队提出探索用于目标检测的不分层ViT Backbone

【写在前面】作者探索了普通的、非分层的视觉Transformer（ViT）作为目标检测的骨干网络。这种设计使原始ViT架构能够针对对象检测进行微调，而无需重新设计用于预训练的分层主干。通过对微调的最小调整，本文的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是，作者观察到:(1)从单尺度特征图(没有常见的FPN设计)构建一个简单的特征金字塔是足够的，(2)在很少的跨窗口传播块的辅助下，使用窗口
·2022-08-11 14:29

论文阅读：U2 Net: Going Deeper with Nested U-Structure for Salient Object Detection

arxiv.org/pdf/2005.09007.pdf内容简介这个网络是用来做显著目标检测的(SOD)，能够取得出色的效果，同时模型文件较小，更适合于移动设备不同于原有的SOD网络，没有使用用于图像分类的backbone
xiongxyowo·2022-08-11 07:53

深度学习之目标检测（十一）--DETR详解

深度学习之目标检测（十一）--DETR详解目录深度学习之目标检测（十一）--DETR详解1.前言2.DETR框架2.1CNNBackbone2.2TransformerEncoder2.3TransformerDecoder2.4FFN3
木卯_THU·2022-08-11 06:55

改进YOLOv5系列：5.CotNet Transformer结构的修改

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-08-10 07:14

YOLOAir库：多种内置yaml网络模型配置

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-08-10 07:14

改进YOLOv5系列：6.修改Soft-NMS,Soft-CIoUNMS,Soft-SIoUNMS,Soft-DIoUNMS,Soft-EIoUNMS,Soft-GIoUNMS...

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-08-10 07:14

改进YOLOv5系列：7.改进DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS

本项目包含大量的改进方式,降低改进难度,改进点包含Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数等部分，详情可以关注YOLOAir
芒果汁没有芒果·2022-08-10 07:01

yolov5模型与代码解读

Backbone:newCSPDarknet-53Neck:SPPF,NewCSP-PANHead:yolov3head下图是v5l：改进部分：1.Focus模块Focus模块将每个2x2的相邻像素划分为一个
JWangwen·2022-08-09 09:00

YOLO Air一款面向科研小白的YOLO项目|包含大量改进方式教程|适用YOLOv5,YOLOv7,YOLOX,YOLOv4,YOLOR,YOLOv3,transformer等算法

助力论文改进、不同数据集涨点、创新点改进YOLOAir一款面向科研的YOLO项目统一使用yolov5代码框架，结合不同模块来构建不同的YOLO目标检测模型,包含大量改进方式教程,改进点包含Backbone
迪菲赫尔曼·2022-08-09 07:33

同性能下比MobileFormer快38倍！苹果提出对移动设备友好的高效主干网络MobileOne，运行时间小于1毫秒...

关注公众号，发现CV技术之美本篇分享论文『AnImprovedOnemillisecondMobileBackbone』，相同性能下比MobileFormer快38倍！
我爱计算机视觉·2022-08-07 07:50

MobileOne: 移动端仅需1ms的高性能骨干

开源地址：GitHub-shoutOutYangJie/MobileOne:AnImprovedOnemillisecondMobileBackbonetensorrt代码：onnx转tensorrt学习笔记
AI视觉网奇·2022-08-07 07:44

Apple新作MobileOne：移动端仅需1ms的高性能主干！超越MobileViT！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达转载自：AIWalkerAnImprovedOnemillisecondMobileBackbone论文：https://arxiv.org
Amusi（CVer）·2022-08-07 07:11

改进YOLOv5系列：4.YOLOv5_最新MobileOne结构换Backbone修改，超轻量型架构，移动端仅需1ms推理！苹果最新移动端高效主干网络

YOLOv5改进，适用于YOLOv7、YOLOv4、Scaled_YOLOv4、YOLOv3、YOLOR一系列YOLO算法的模块改进QAQ新的仓库即将更新ing，不是以前那个！！！到时候这个csdn博客通知，关注不迷路！！！一系列YOLO算法改进Trick组合！很多Trick排列组合助力论文数据集涨点创新点改进具体看置顶博客以下MobileOne网络模块的改进，最新MobileOne结构换Back
芒果汁没有芒果·2022-08-07 07:07
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他