Backbone

冻结训练+断点恢复

因为目标检测模型里，主干特征提取部分所提取到的特征是通用的，把backbone冻结起来训练可以加快训练效率，也可以防止权值被破坏。
勤奋的小懒猪·2022-11-25 13:46

BEVFormer v2: 通过透视监督使流行的图像Backbones适应BEV识别！

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【多传感器融合】技术交流群后台回复【多传感器融合综述】获取图像/激光雷达/毫米波雷达融合综述等干货资料！论文主要思路作者提出了一种具有透视监督的新型鸟瞰图（BEV）检测器，它收敛更快，更适合目前的图像主干网络。现有的SOTABEV检测器通常与某些深度预训练的主干网（如VoVNet）相连，阻碍了图像backbon
自动驾驶之心·2022-11-25 13:33

十二月组队学习之——目标检测Task02：练死劲儿-网络设计

目录一、锚框or先验框1、关于先验框二、模型结构1、VGG16作为backbone2、分类头和回归头2.1、边界框的编解码2.2、分类头与回归头预测一、锚框or先验框1、关于先验框在此之前，我们先来捋一捋三个目标检测中常用的
陈俊超Code My Life·2022-11-25 13:29

365天深度学习训练营-第P9周：YOLOv5-Backbone模块实现

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模块实现(训练营内部成员可读)原作者：K同学啊|接辅导、项目定制目录一、课题背景和开发环境开发环境二
Oaix Nay·2022-11-25 10:02

CV07-DeepLab v3+笔记

DilatedConvolution膨胀卷积二、ASPP与Encoder&Decoder三、深度可分离卷积3.1深度可分离卷积原理3.2深度可分离卷积减小参数量和计算量3.3深度可分离卷积实现细节四、Xception作为BackboneDeepLabv3
苦行僧(csdn)·2022-11-25 10:32

第P9周：YOLOv5-Backbone模块实现

●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模块实现(训练营内部成员可读)●原作者：K同学啊|接辅导、项目定制说明：1.本次进学习
爱挠静香下巴的hp·2022-11-25 10:53

YOLO V4 -- 学习笔记

Yolov5核心基础知识完整讲解–江大白*参考视频教程：目标检测基础——YOLO系列模型（理论和代码复现）--PULSE_YOLOV4主要创新·输入端创新：Mosaic数据增强、cmBN、SAT自对抗训练·BackBone
DIAJEY·2022-11-25 06:14

yolov5网络结构代码解读

文章目录前言1.项目介绍2.yolov5的网络结构1.yolov5s的配置文件2.网络模型的初始化和训练过程3.backbone4.head1.三层预测2.4层预测5.detect总结前言yolov5已经很成熟了
AI、明察秋毫·2022-11-25 01:23

以Deformable Detection Transformer为例实现mmdetection中backbone、neck、head的特征可视化

对mmdetection熟练使用后，接下来就要为论文等做准备了，同时如果自己的精度不够好，那么就需要可视化模型提取的特征以便做进一步的修改，以下内容包含mmd的完整可视化流程：步骤一：请确认你的模型是one-stageortwo-stage。请先在目录：mmd2.17\mmdet\models\detectors中查看你所训练的detectors是基于哪个基类来实现的，比如以新出的基于transf
@会飞的毛毛虫·2022-11-25 01:49

Retinanet网络详解

Retinanet网络结构详解以及源代码讲解网络backbone使用ResNet【18，34，50，101，152】FPN层首先输入的照片的大小为672x640，然后经过一个池化层，使用ResNet网络提取特征
目标检测小白·2022-11-25 00:43

mmseg解析

CONFIG_FILE}[optionalarguments]train(tools/train.py)1.模型构建配置参数model=dict(type='ChangeExtraSegmentor',backbone
dadaHaHa1234·2022-11-25 00:58

DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better 图像去模糊

Generativeadversarialnetworks3.DeblurGAN-v2Architecture3.1.FeaturePyramidDeblurring特征金字塔3.2.ChoiceofBackbones
CV小Rookie·2022-11-24 21:53

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

yolo v4 python_手把手教物体检测——YOLOV4（pytorch）

(2)BackBone主干网络：将各种新的方式结合起来，包括：CSPDa
weixin_39921087·2022-11-24 18:08

YOLOV1详解——Pytorch版

YOLOV1详解——Pytorch版1YOLOV11数据处理1.1数据集划分1.2读入xml文件1.3数据增强2训练2.1Backbone2.2Loss2.3train3预测3.1图片输入模型得到预测结果
山居秋暝LS·2022-11-24 18:34

人脸检测之Retinaface算法：论文阅读及源码解析

文章目录前言一、Retinaface论文1.1论文信息1.2论文摘要翻译二、论文实现源码解析2.1网络框架结构2.2主干网络(Backbone)1)普通卷积2)深度可分离卷积3)mobilenet0.25
mcyJacky·2022-11-24 15:44

Yolo X目标检测系统【详解】

文章目录一、网络结构1、主干网络（backbone）1.1BottleNeck1.2CSPnet1.3Focus结构1.4Silu激活函数1.5SPP结构1.6整个主干网络（backbone）实现代码2
全息数据·2022-11-24 15:37

深度学习(9):FastFCN论文翻译与学习

FastFCN:RethinkingDilatedConvolutionintheBackboneforSemanticFastFCN:重新思考膨胀卷积在语义分割主干网络中的作用注：部分插图近几天补上，
biter0088·2022-11-24 11:15

【单目3D目标检测】GUPNet论文精读与代码解析

文章目录PrefaceAbstractContributionsPipelineBackboneNeckHeadLossGUPInPaperInCodeHTLInPaperInCodeRefernecePrefaceLuY
嗜睡的篠龙·2022-11-24 10:58

【Deformable DETR 论文+源码解读】Deformable Transformers for End-to-End Object Detection

目录前言一、背景和改进思路二、细节原理和源码讲解2.1、多尺度特征2.1.1、backbone生成多尺度特征2.1.2、多尺度位置编码2.2、多尺度可变形注意力2.2.1、普通多头注意力：MultiHeadAttn2.2.2
满船清梦压星河HK·2022-11-24 09:48

MMDetection库中的一些模块介绍

1.主干网络（BACKBONES）1.1CSPDarkNet  该网络是YOLOX和YOLOv5的主干网络。初始化参数：参数名称数据类
byzy·2022-11-24 05:34

一文看尽物体检测中的各种FPN

早期的物体检测算法，无论是一步式的，还是两步式的，通常都是在Backbone的最后一个stage（特征图分辨率相同的所有卷积层归类为一个stage）最后一层的特征图，直接外接检测头做物体检测。
Bruce_0712·2022-11-24 05:21

图像ROI区域如何映射到feature map—Mask R-CNN

readimageself.object_detector=torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True,trainable_backbone_layers
ning_ww·2022-11-24 02:48

CenterPoint 源码流程解读（二）

接上一篇CenterPoint源码流程解读（一）CenterPoint源码流程解读（二）主要内容：二.Backbone–特征提取2.1voxelize：体素化2.2点云voxel编码方式：PillarFeatureNet
Darchan·2022-11-24 02:03

DETR、conditional DETR、Deformable DETR

DETR如图所示为DETR模型的结构，其主要由backbone，transformerblock，predictionheads三部分组成。
qq_45836365·2022-11-23 23:33

记录yolov5更改backbone为ShuffleBlock网络迁移训练出错问题以及解决方法

前言:最近在学习yolov5，记录一些报错1.张量不对Sizesoftensorsmustmatchexceptindimension1.Expectedsize16butgotsize8fortensornumber1inthelist.报错信息如下：Traceback(mostrecentcalllast):File"I:\EnvVariable\ML\Anaconda3\envs\pytor
SniperitfCoder·2022-11-23 22:56

yolov5源码解析(9)--输出

Backbone:NewCSP-Darknet53Neck:SPPF,NewCSP-PANHead:YOLOv3Head这三个输出层分别就是浅、中、深层啦，浅层特征图分辨率是80乘80，中层是
扫地僧1234·2022-11-23 17:45

FAST_RCNN 和 MASK_RCNN对比

FAST_RCNN：Backbone+FPN(可选)+RPN+ROIPooling+检测头MASK_RCNN：B
反正也没人看我的昵称·2022-11-23 17:01

点云 3D 目标检测 - PointPillars

点云3D目标检测-PointPillars1.文章信息2.PointPillars简介2.1算法特点2.2模型结构2.2.1PillarFeatureNet2.2.2Backbone(2DCNN)2.2.3DetectionHead
77wpa·2022-11-23 16:00

yolov5训练coco数据集

backbone中，Focus结构能对特征图进行切片操作（如：4x4x3>>2x2x12)Prediction中，计算损失函数变为GIOU-LOSS,不同于yolov4中的CIOU-LOSS(个人认为是不
m0_51694014·2022-11-23 11:46

『目标检测』YOLO V5(1)：学习笔记

三、Backbone四、Neck五、Head参考链接一、基本知识点积累
libo-coder·2022-11-23 11:01

【目标检测】yolo系列-yolo_v5学习笔记

://zhuanlan.zhihu.com/p/172121380目录一、Yolov5四种网络模型二、yolo_v5改进点详解1输入端改进1）Mosaic数据增强2）自适应锚框计算3）自适应图片缩放2Backbone
超级无敌陈大佬的跟班·2022-11-23 11:59

卷积神经网络系列以及代码实现继往开来的backbone（Lenet,AlexNet,ZFNet,VggNet,gooleNet,DenseNet,DPN双路网络）

继往开来的backbone（卷积神经网络系列）(Lenet,AlexNet,ZFNet,VggNet,gooleNet,DenseNet,DPN双路网络）LeNet首先看一下网络图这时候的卷积神经网络是没有
just-solo·2022-11-23 09:31

PaddleDetection-PP-YOLOv2 模型

2021SC@SDUSC本周分析PP-YOLO模型库ModelGPUnumberimages/GPUbackboneinputshapeBoxAPvalBoxAPtestV100FP32(FPS)V100TensorRTFP16
烩鳗鱼·2022-11-23 09:26

RuntimeError: Error(s) in loading state_dict for FasterRCNN: Missing key(s) in state_dict:......

ProblemdescriptionRuntimeError:Error(s)inloadingstate_dictforFasterRCNN:Missingkey(s)instate_dict:“backbone.body.conv1
xzw96·2022-11-23 06:50

比SOTA模型更全能！商汤科技和上海人工智能实验室联手打造统一模型架构UniFormer...

本文主要向大家介绍UniFormer，包括ICLR2022接受的videobackbone，以及为下游密集预测任务设计的拓展版本。本套框架在各种任务上都能取得了比现有SOTA模型更好的性能。
PaperWeekly·2022-11-23 04:46

Yolov7-pose 训练body+foot关键点

一、Yolov7介绍：yolov7网络由三个部分组成：input，backbone和head，与yolov5不同的是，将neck层与head层合称为head层，实际上的功能的一样的。
多财多亿,凭亿近人·2022-11-23 02:36

深度学习-yolo-fastestV2使用自己的数据集训练自己的模型

1.关于yolo-fastestV2github地址如下：yolo-fastestV2yolo-fastestV2采用了轻量化网络shufflenetV2为backbone，笔者在这里就不详解yolo-fastestV2
追天一方·2022-11-23 01:13

RetinaNet论文总结（Focal Loss）

本文部分图片来源于上行的参考视频目录一、RetinaNet结构1.Backbone（1
汪老板的员工1228·2022-11-23 00:28

UP-DETR：用无监督的方式对Transformer进行预训练来做物体检测

公园”，关注公众号，选择加“星标“或“置顶”因公众号更改了推送规则，记得读完点“在看”~下次AI公园的新文章就能及时出现在您的订阅列表中作者：Synced编译：ronghuaiyang导读不仅对CNN的backbone
ronghuaiyang·2022-11-23 00:00

【mmdetection】

准备环境1.2安装MMDetection1.3安装验证2.整体构建流程（一）[^2]2.1摘要2.2目标检测算法抽象流程2.3MMDetection整体构建流程和思想2.3.1训练核心组件2.3.1.1Backbone2.3.1.2Neck2.3.1.3Head2.3.1.4Enhance2.3.1.5BBoxAssigner2.3.1.6BBo
Howie_tzh·2022-11-22 23:26

论文阅读|TransPose

KeypointLocalizationviaTransformer目录AbstractIntroductionRelatedWorkHumanposeestimationExplainabilityTransformerMethodArchitectureBackboneTransformerHeadResolutionSettingsAttentionsaretheDepe
xiaoweiyuya·2022-11-22 22:41

【Fast-ReID】部署torch保存模型及参数

保存cfg.defrost()cfg.MODEL.BACKBONE.PRETRAIN=Falsemodel=DefaultTrainer.build_model(cfg)Checkpointer(model
wyl2077·2022-11-22 19:19

yolov5简要介绍

1、网络结构：Backbone:Focus+CSPX+SPPfocus作用：通过slice操作，将W、H上的信息融入到通道上，且在下采样过程不带来信息丢失。
maxruan·2022-11-22 19:04

【人脸识别】arcface-pytorch代码解析

参考：https://github.com/ronghuaiyang/arcface-pytorch1.代码结构目录结构如下：配置信息：包含许多训练或者测试的一些信息配置，比如backbone选用的模型结构等
聿默·2022-11-22 18:18

目标跟踪论文（五）：Deeper and Wider Siamese Networks for Real-Time Visual Tracking

DeeperandWiderSiameseNetworksforReal-TimeVisualTracking简述：基于孪生网络的跟踪器通常使用AlxcNet作为backbone，而没有充分利用现在深层网络的优势
Star·端木·2022-11-22 17:21

语义分割之FCN网络详解 全卷积网络

spm_id_from=333.788简介：Backbone用的是VGG16(pytorch实现用的是Resnet)
会游泳的小雁·2022-11-22 17:46

YOLO_v6讲解

文章目录一：创新点二：Backbone三：RepPANNeck四：EfficientDecoupledHead五：Anchor-free无锚范式六：SimOTA七：SIoU八：总结一：创新点YOLOv5
江南綿雨·2022-11-22 16:56

OSFormer阅读笔记

目录前言1.模型的特点2.模型结构2.1CNNbackbone2.2位置感知Transformer（LST）2.3粗细特征融合（CFF）2.4动态伪装实例归一化2.5损失函数3.可视化分析参考前言OSFormer
八十八岁扶墙敲码·2022-11-22 15:02

目标检测之YOLOX: Exceeding YOLO Series in 2021

Focus3.DecoupledHead解耦头4.SimOTA1.主干网络CSPDarknetyolov3中使用的是Darknet53，CSPDarknet是在其基础上，借鉴CSPNet的经验，产生的Backbone
Diros1g·2022-11-22 15:47
上一页 19 20 21 22 23 24 25 26 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他