Backbone

保姆级使用PyTorch训练与评估自己的ResNet网络教程

1.数据集制作1.1标签文件制作1.2数据集划分1.3数据集信息文件制作2.修改参数文件3.训练4.评估5.其他教程前言项目地址：https://github.com/Fafa-DL/Awesome-Backbones
啥都生·2022-12-05 15:21

ResNet及其变体ResNeXt学习笔记

同时作者还测试了ResNet对于计算机视觉下游任务中的提升效果，仅仅通过替换方法中的backbone（比如将fasterrcnn中的vgg-16网络换成了resnet-101），Re
lansfair·2022-12-05 14:34

CV 经典主干网络 (Backbone) 系列: ResNet变种

CV经典主干网络(Backbone)系列:ResNet变种该篇是CV经典主干网络(Backbone)系列下的一篇文章。
kuweicai·2022-12-05 14:02

mmpose关键点（三）：轻量型Lite-HRNet与onnx输出

由于终端算力有限，在内存速度与性能需要权衡好，我选择轻量型关键点性能较好的Lite-HRNet作为模型的backbone。下面，将对Lite-HRNet模型与如何输出onnx模型详细讲解。
小小小绿叶·2022-12-05 01:55

MPViT: Multi-Path Vision Transformer for Dense Prediction源码详解

1.mmsegmentation注册自己的模块创建一个新的文件mmseg/models/backbones/mpvit.py,同时进行注册（@BACKBONES.register_module()）2.
樱花的浪漫·2022-12-04 20:50

阿里达摩院开源DAMO-YOLO：兼顾速度与精度的新目标检测框架

具体包括：基于NAS搜索的新检测backbone结构，更深的neck结构，精简的head结构，以及引入蒸馏技术实
人工智能与算法学习·2022-12-04 11:59

目标检测算法——YOLOv5/YOLOv7改进之结合特征提取网络RFBNet（涨点明显）

魔改YOLOv5/v7目标检测算法来啦~计算机视觉——致力于目标检测领域科研Tricks改进与推荐|主要包括Backbone、Neck、Head、普通注意力机制、自注意力机制Transformer、SwinTransformerv2
加勒比海带66·2022-12-04 09:56

Layout系列模型（LayoutLM,LayoutLMv2,LayoutXLM）

模型架构使用BERT作为backbone，加入2-D绝对位置信息，图像信息，分别捕获token在文档中的相对位置以及字体、文字方向、颜色等视觉信息。
十里清风·2022-12-04 06:35

DeFRCN论文学习（复现）

DecoupledFasterR-CNNforFew-ShotObjectDetection目录DeFRCN:DecoupledFasterR-CNNforFew-ShotObjectDetection关键词涉及领域前人架构模型框架总体框架详细框架解决的问题：多任务问题backbone
chujiaming4fw·2022-12-04 05:54

DeFCN 训练前向传播过程

目录一、大致流程1.入口2.得到backbone的feature3.head运算以及3dmaxfilter4.获得标签5.计算损失函数6.回到主线二、debug注释1.base_runner.py2.fcos.py1
匿名的魔术师·2022-12-04 05:23

[PVT] Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolution

paper:https://arxiv.org/abs/2102.12122code:https://github.com/whai362/PVT/文章目录1.Motivation2.Contribution3.Method3.1OverallArchitecture3.2FeaturePyramidforTransformer3.3Spatial-ReductionAttention3.3Det
Ah丶Weii·2022-12-04 00:27

Pyramid Vision Transformer 论文笔记

PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutionsPVT论文链接:https://arxiv.org
Tianchao龙虾·2022-12-04 00:56

[Transformer] PVT系列：PVT & CPVT & Twins

PVT：《PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions》论文：https://arxiv.org
Cherry_qy·2022-12-04 00:25

PiT：Rethinking Spatial Dimensions of Vision Transformers

PoolinglayerofPiTarchitecture1.代码二、AttentionanalysisRethinkingSpatialDimensionsofVisionTransformersimagerecognitionbackbone
arranclo·2022-12-04 00:25

MyDLNote-Transformer : Pyramid Vision Transformer 一个无卷积的密集预测通用Backbone

PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutionspaperhttps://arxiv.org
Phoenixtree_DongZhao·2022-12-04 00:49

(九)：Pyramid Vision Transformer

文献阅读：PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutionsAbstract1.Introduction2
Laura_Wangzx·2022-12-04 00:46

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

A.问题首先，对于densepredictiontasks，完全无卷积的的transformerbackbone少有人研究。
jipinzhuo93·2022-12-04 00:12

PVT：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions论文学习

论文地址：PyramidVisionTransformer:AVersatileBackboneforDensePredictionw
与光i·2022-12-04 00:12

[论文评析] ArXiv-2021,Pyramid Vision Transformer A Versatile Backbone for Dense Prediction without Convo

PyramidVisionTransformerAVersatileBackboneforDensePredictionwithoutConvolutions基础知识动机贡献PVTarchitecturePatchEmbeddingSpatialreductionattention
MasterQKK 被注册·2022-12-04 00:41

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions【ICCV2021】

Paper:https://openaccess.thecvf.com/content/ICCV2021/papers/Wang_Pyramid_Vision_Transformer_A_Versatile_Backbone_for_Dense_Prediction_Without_ICCV
Iron_lyk·2022-12-04 00:39

PVT：Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions

文章目录PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions一、FeaturePyramidforTransformer1
arranclo·2022-12-04 00:09

目标跟踪序列化测试以及搜参

1、序列化测试对于一些跟踪算法，特别是siamese系列，一般进行20epochs的训练，对应20个训练模型，特别是backbone解冻的后10个模型，均有可能出现最好的结果(got-10k与lasot
望外追晚·2022-12-04 00:38

第P9周：YOLOv5-Backbone模块实现

天深度学习训练营内部限免文章（版权归K同学啊所有）参考本文所写记录性文章，请在文章开头注明以下内容，复制粘贴即可●本文为365天深度学习训练营中的学习记录博客●参考文章：Pytorch实战|第P9周：YOLOv5-Backbone
sdnugao·2022-12-03 17:23

【论文速读】Multi-Oriented Scene Text Detection via Corner Localization and Region Segmentation[2018-CPVR]...

方法概述该方法用一个端到端网络完成文字检测整个过程——除了基础卷积网络（backbone）外，包括两个并行分支和一个后处理。
weixin_30498807·2022-12-03 11:41

用大白话讲Single-shot Alignment Network(S2A-NET)

三、骨干网络Backbone四、特征金字塔网络FeaturePyramidNetwork五、特征对齐模块FeatureAlignmentModule(FAM)六
是啊洋呀·2022-12-03 11:39

Faster RCNN（Pytorch版本）代码及理论笔记

FasterRCNN整体流程二、PASCALVOC2012数据集1.简介2.下载方式3.文件结构及含义三、加载数据集四、数据预处理1.流程2.标准化数据3.缩放4.将图片处理为统一尺寸5.数据预处理的输入输出五、Backbone
little student·2022-12-03 10:28

Faster Rcnn详解及代码解读

1.backbone含义backbone用于特征提取，通常使用的是VGG16或者ResNet网络，其中要经过4个pooling层，且经过多层卷积后层数也发生了变化，但仍要保证在进行下一次池化之前，特征图深度为上一次池化之前深度的两倍
飘雨飞华·2022-12-03 10:27

Pytorch冻结和解冻结预训练网络的finetune方法

很多人也想着将各种Transformer-based的backbone拿来用，但是很多backbone都是需要加载预训练参数才能使用，所以我们需要将网络进行迁移学习，才能拿来使用。
墨晓白·2022-12-03 08:26

paddle 44 用onnxruntime实现ppyoloe模型的部署（含python和c++版本），支持batchsize

1、修改ppyoloe_head.py目标检测模型由backbone、neck和
万里鹏程转瞬至·2022-12-03 02:39

Deeplab -v1笔记

如图：1.Backbone为Vgg16（但是现在都是用ResNet）①VGG网络：（其中conv3表示3x3的卷积）常用的为D和E，即VGG16和VGG19.VGG16的结构为：其中卷积核均为3x3的，
武汉周杰伦·2022-12-02 22:34

【示例】如何使用Pytorch堆叠一个神经网络

__init__()#----定义一些相关的神经单元----#self.backbone=BackB
ViperL1·2022-12-02 14:16

睿智的目标检测63——Tensorflow2搭建YoloV7目标检测平台

睿智的目标检测63——Tensorflow2搭建YoloV7目标检测平台学习前言源码下载YoloV7改进的部分（不完全）YoloV7实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍
Bubbliiiing·2022-12-02 14:13

deeplearning中常用backbone

Alexnet在imagenet2012图像分类challenge上赢得了冠军。论文：论文详细解析Vgg论文VGG是在ILSVRC2014上的相关工作，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构，分别是VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样.指出对于给定的感受野，采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络
whitesilence·2022-12-02 10:50

目标检测网络中的Backbone，Neck和Head - 以YOLOv4为例

目标检测网络中的Backbone，Neck和Head-以YOLOv4为例目标检测网络中常见到的三个概念：Backbone：在不同图像细粒度上聚合并形成图像特征的卷积神经网络；Neck：一系列混合和组合图像特征的网络层
西界丶·2022-12-02 10:19

深度学习中的网络结构backbone汇总

深度学习中的常见网络结构backbone汇总：1、LeNet52、AlexNet3、VGG4、GoogLeNet/Inception4.1InceptionV14.2InceptionV2、InceptionV34.3InceptionV45
soohoo123·2022-12-02 10:19

各种常用backbone，分类网络（CNN类和Transforme类）

CNN类一.ResNet提出问题：网络越深，越难训练，这是因为存在梯度消失和梯度爆炸问题解决方案：残差连接时，先加法运算，再激活模型图：ResNet采用网络中增加残差网络的方法，解决网络深度增加到一定程度，更深的网络堆叠效果反而变差的问题。在网络深度到一定程度，误差升高，效果变差，梯度消失现象越明显，后向传播时无法把梯度反馈到前面网络层，前面网络参数无法更新，导致训练变差。残差网络增加一个恒等映射
浪迹天涯的yf·2022-12-02 10:49

Backbone-各种基础网络总结

各种基础网络结构总结，各种各样的基础网络眼花缭乱，不知道该用哪个，都有什么特性，借此文总结记录。最常用：VGGNet,ResNetVGGNet:VGG是2014年提出来的，一共有6个版本，最常用的是VGG16和VGG19,。VGG是许多目标检测框架的特征提取网络，如fasterrcnn，SSD（在其基础上做了修改）。个人总结，VGG网络排列工整，从前到后顺序执行，非常好理解，但是其参数量太大，且参
一头秀发的假程序猿·2022-12-02 10:19

目标检测常用backbone、数据集

1、backbone1.1ResNetHeetal（2016）将网络层重新定义为具有残差跳跃连接的学习残差函数。具有跳跃连接的网络更容易优化，并且可以在增加深度的情况下获得相当大的精度。
抱枕无忧·2022-12-02 10:48

深度学习常用的backbone有哪些

深度学习中常用的backbone有resnet系列（resnet的各种变体）、NAS网络系列（RegNet）、Mobilenet系列、Darknet系列、HRNet系列、Transformer系列和ConvNeXt
万里鹏程转瞬至·2022-12-02 10:47

优化策略（八）常用backbone

VGGResNet（ResNet18，50，100）ResNeXtResNeStXceptionDenseNetSqueezeNetDarknet（Darknet19,53）MobileNetShuffleNetDetNetDetNASSpineNetEfficientNet（EfficientNet-B0/B7）CSPResNeXt50CSPDarknet53ResNeXt图3：ResNeXt结
Bruce_0712·2022-12-02 10:47

CV 经典主干网络 (Backbone) 系列: CSPNet

CV经典主干网络(Backbone)系列:CSPNet作者：Chien-YaoWang等发表时间：2019Paper原文：CSPNet:ANewBackbonethatcanEnhanceLearningCapabilityofCNN
kuweicai·2022-12-02 10:47

详解DETR （End-to-End Object Detection with Transformers）

文章目录详解DETR（End-to-EndObjectDetectionwithTransformers）简介网络详解总述1.BackBone2.Encoder图像特征处理位置编码需要进行位置编码的原因
L☆★·2022-12-01 23:58

HOTR: End-to-End Human-Object Interaction Detection with Transformers

在Backbone中:(1)将图片([bs,3,H,W])送入CNN模型中进行特征提取,使用了ResNet50,得到特征图src([bs,2048,h,w])(2)引入位置编码pos_embed[bs,
计算机视觉从零学·2022-12-01 23:58

Tokens-to-Token ViT: Training Vision Transformers from Scratch on ImageNet

昨天才推了一个CNN+Transformer的新backbone：CNN+Transformer！谷歌提出BoTNet：新主干网络！
Amusi（CVer）·2022-12-01 20:29

第一次分类器训练过程（看loss曲线想问题）

分类器用resnet50作为backbone，在此基础上将2048维输出先映射为512维，然后512维变为40分类的32维embedding，再变为40个1维分数，concat成Bx40x32的embedding
三思为上策·2022-12-01 19:12

结合paper 详细解读yolact源码

本文结合paper，根据源码详细解读yolact模型细节，涉及到backbone,FPN,predictionheads,protonet各模块细节，fast-nms细节,boundingbox坐标形式
蓝羽飞鸟·2022-12-01 19:23

YOLOAir库使用（五）

模块组件化：帮助用户自定义快速组合Backbone、Neck、Head，使得网络模型多样化，助力科研改进检测算法、模型改进，网络排列组合，构建强大的网络模型。
BestSongC·2022-12-01 18:42

DBNet学习记录

DBNet网络介绍总体概述整体思路label的生成如何通过P和T得到B损失函数的设计inference过程网络详解backbone：ResNetneck:FPNhead:DBHead结语总体概述本文中的一些图片来自
Cooodiiiing·2022-12-01 17:04

从yolov5谈 Backbone neck和head

从yolov5谈Backboneneck和headyolov5流程图resnet+fpnyolov5流程图PANet实现classYoloBody(nn.Module):def__init__(self
小涵涵·2022-12-01 15:37

yolov5深度剖析(3)—head

转自：https://blog.csdn.net/weixin_36714575/article/details/114238645yolov5深度剖析(1)—架构和源码yolov5深度剖析(2)—backboneyolov5
Ring__Rain·2022-12-01 15:05
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他