Backbone

YOLOX: Exceeding YOLO Series in 2021论文阅读

调整训练策略数据增强ImprovementDecoupleHeadStrongdataaugmentationAnchor-freeMultipositiveSimOTAEnd-to-EndYOLOOtherBackbonesYOLOv5Tiny
Laughing-q·2022-11-22 15:03

基于YoloV5 multi task网络增加分类分支

loss五、最终可视化结果总结前言YoloV5做目标检测任务，但是当我们需要对图像中的目标进行检测，还需要根据图像整体对该图像做分类时，我们可以在Yolo-Detect检测头前加一个分类分支，这样可以在共享Backbone
songlixiangaibin·2022-11-22 14:45

Faster RCNN论文理解

文章目录Faster-RCNN1.Introduction2.RelatedWork3.FasterRCNNRPN之前的CNN(Backbone)3.1RegionProposalNetworks3.1.1Anchors3.1.2LossFunction3.1.3TrainingRPNs3.2SharingFeaturesforRPNandFastRCNN
KirutoCode·2022-11-22 13:07

深度学习中的backbone的意思

深度学习中的backbone的意思BackboneBackbonebackbone原意是指人的脊梁骨，后来引申为支柱、核心的意思，在神经网络中，尤其是CV领域，一般先对图像进行特征提取（常见的有vggnet
墨子王·2022-11-22 11:57

网络骨架：Backbone(神经网络基本组成——卷积层)

利用卷积神经网络处理输入图像，生成深层的特征图，再利用各种算法完成区域生成与损失计算，这部分卷积神经网络数整个检测算法的“骨架”，也被称为BackboneBackbone是物体检测技术的基础，其中也涌现除了多种经典结构
丁天牛·2022-11-22 11:27

深度学习Backbone网络系列（一）

目录AlexNetVGGGoogLeNetInceptionV1InceptionV2&v3InceptionV4，Inception-Res-v1&v2AlexNet2012年ImageNet竞赛冠军获得者Hinton和他的学生AlexKrizhevsky设计的。首次在CNN中成功应用了ReLU、Dropout和LRN等Trick。ReLU激活函数比Sigmoid性能好，有助于加深网络层次，并在
王吉吉丫·2022-11-22 11:56

目标检测算法的大体框架-------backbone、head、neck

在基于深度学习算法的目标检测算法其实大体上都是由三部分组成的，即backbone、head、neck。整个算法的设计流程基本都是：输入->backbone->neck->head->输出。
北京纯牛奶·2022-11-22 11:22

深度学习-backbone网络模型

1.VGG2.ResNet3.DenseNet4.ResNeXt相关代码参考：PyTorch实现ResNeXt5.ResNeSt在ResNeXt的分组结构基础上，继续对每组划分R个split，执行SplitAttention操作，最后将各个分组concatenate一起，经变换后和原始输入叠加在一起，构成ResNetSt残差模块。思想上类似于ResNeXt和SKNet的结合。SplitAttent
ReaFly·2022-11-22 11:51

深度学习backbone、neck、head等术语解释

backbone：主干网络，用来提取特征，常用Resnet、VGG等head：获取网络输出，利用提取特征做出预测neck：放在backbone和head之间，进一步提升特征的多样性及鲁棒性bottleneck
zyb-小波·2022-11-22 11:20

深度学习中backbone是什么东西

backbone这个单词原意指的是人的脊梁骨，后来引申为支柱，核心的意思在此处的意思是：主干网络主干网络大多时候指的是提取特征的网络，其作用就是提取图片中的信息，共后面的网络使用这些网络经常使用的是resnetVGG
kyle-fang·2022-11-22 11:49

[计算机视觉]-CVPR2021全新Backbone-ReXNet论文解析与涨点思路理解及pytorch实现

1.资源论文：https://arxiv.org/pdf/2007.00992.pdf代码：https://github.com/clovaai/rexnet2.核心贡献个人认为就是做了一堆实验+数学推导，实质性的东西就是提出了三个设计原则2.1探讨了RepresentationalBottleneck问题RepresentationalBottleneck即特征描述的瓶颈就是中间某层对特征在空间
orangezs·2022-11-22 11:17

深度学习框架-Backbone汇总

Backbone——Neck——Head1.Backbone：翻译为骨干网络的意思，既然说是主干网络，就代表其是网络的一部分，那么是哪部分呢？
David-Chow·2022-11-22 11:16

【深度学习】Pytorch实现CIFAR10图像分类任务测试集准确率达95%

文章目录前言CIFAR10简介Backbone选择训练+测试训练环境及超参设置完整代码部分测试结果完整工程文件Reference前言分享一下本人去年入门深度学习时，在CIFAR10数据集上做的图像分类任务
嗜睡的篠龙·2022-11-22 11:13

《CornerNet: Detecting Objects as Paired Keypoints》之 corner pooling 解读

Backbone输出两个模块：Top—leftCorner模块和Bottom—rightCorner模块。
月下无人江自流丶·2022-11-22 10:29

【多目标跟踪论文阅读笔记——FairMOT】

多目标跟踪经典论文——FairMOT写在前面1.Abstract2.UnfairnessIssuesinOne-shotTrackers2.1Anchor机制2.2特征图2.3特征图尺寸3.FairMOT3.1Backbone3.2Multi-TaskLearning3.3Association4
书玮嘎·2022-11-22 08:17

如何看待Meta（恺明）最新论文ViTDet：如何看待Meta（恺明）论文ViTDet：只用ViT做backbone的检测模型？...

链接：https://www.zhihu.com/question/525167811编辑：深度学习与计算机视觉声明：仅做学术分享，侵删作者：陈小康https://www.zhihu.com/question/525167811/answer/2419797948从文中的Tab.4,Tab.5的结果来看，同样是IN-21K预训练，ViT-base和Swin-base差距还挺大的。这波结果做上去主要
woshicver·2022-11-22 08:23

【论文笔记】A Survey on Vision Transformer

AbstractPersonalunderstanding2FORMULATIONOFTRANSFORMER3REVISITINGTRANSFORMERSFORNLP4VISIONTRANSFORMER4.1BackboneforRepresentationLearning4.1.1PureTransformer4.1.2TransformerwithConvolution4.1.3Self
来自γ星的赛亚人·2022-11-22 08:41

华为诺亚提出CMT：新视觉Backbone

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：AIWalker标题&作者团队CMT:ConvolutionalNeuralNetworksMeetVisionTransformers论文：https://arxiv.org/abs/2107.06263本文是华为诺亚与悉尼大学在Transformer+CNN架构混合方面的尝试，提出了一种同时具有Transformer长
Amusi（CVer）·2022-11-22 08:37

YOLOV1至YOLOV4简介

Backbone：特征提取网络。Neck：特征增强模块。Head：检测模块。主要分为一阶段目标检测和两阶段目标检测。
Ma lidong·2022-11-22 07:44

单阶段目标检测方法SSD介绍与分析

SSD目标检测算法，完整详细讲解SSD（singleshotmulti-boxdetector）1.简介2.模型结构backboneneckheadSSD（singleshotmulti-boxdetector
小林记录·2022-11-22 05:36

maskrcnn简单解析

一、backboneBackbone采用的是ResNet-50或者ResNet-101，作为特征提取器提取特征，我们将输入图像（大小为）通过ResNet后，会得到五层特征图，其尺寸大小依次为：()我们知
曙光_deeplove·2022-11-22 05:29

RepVGG论文详解（超级详细）

RepVGG是2021年发表于CVPR，它和resnet一样是一种图像分类网络，在目标检测中被用作backbone，论文提出一种新型技术称之结构重参数化，简单来说就是对训练出的模型进行等价替换成一个简单的模型
crlearning·2022-11-22 04:24

Mask R-CNN讲解

文章目录一：MaskR-CNN的横空出世二：网络架构【Backbone】【RPN】【ProposalLayer】【DetectionTargetLayer】【ROIAlign】【bbox检测】【Mask
江南綿雨·2022-11-22 04:50

3DSSD学习笔记

3DSSD学习笔记介绍动机1.FP层的丢弃或保留2.融合采样的提出3.F-FPS导致cls分数下降方法论frameworkbackboneCGlayer3DCenter-nessAssignmentStrategyAnchor-freeRegressionHeadcenter-nesslabelloss
Ice-冰鸽·2022-11-22 04:43

yolov5s-backbone部分

文章目录1.Yolov5s框架图2.backbone结构图：2.1FOCUS模块2.2CBL模块2.3BottleneckCSP模块2.4SPP模块1.Yolov5s框架图首先我们用netron得到yolov5s
取个名字真难呐·2022-11-22 03:17

YOLOv5-Backbone模块实现-P9

●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、项目定制我的环境：●语言环境
Presumptuous419·2022-11-22 03:36

【单目3D目标检测】项目实战-道路车辆/行人3D目标检测

3D检测模型VS单目3D检测模型单目3D目标检测优点单目3D目标检测难点数据集KITTI数据集标注及网络输出形式KITTI评价指标模型整体框架数据过滤Anchor2DAnchor3Danchor数据增强Backbone
暖焱·2022-11-22 01:46

PyTorch实现yolov3

创建YOLO网络首先我们知道yolov3将resnet改造变成了具有更好性能的Darknet作为它的backbone，称为darknet。
pawerd·2022-11-21 23:57

Yolov5添加注意力机制

一、在backbone后面引入注意力机制1、先把注意力结构代码放到common.py文件中，以SE举例，将这段代码粘贴到common.py文件中2、找到yolo.py文件里的parse_model函数，
有温度的AI·2022-11-21 22:36

A ConvNet for the 2020s 详解

但是这些改进很多都是基于block来进行改进的，而这一问题就可以让我们直接将这个block用于其他backbone上面，并有着优秀的性能。
Aliert·2022-11-21 16:15

ConvNeXt的网络结构和实现代码总结(torch)

ConvNext是在ResNet50模型的基础上，仿照SwinTransformer的结构进行改进而得到的纯卷积模型，当然原生模型是一个分类模型，但是其可以作为backbone被应用到任何其它模型中。
BIT_Legend·2022-11-21 16:11

【3D目标检测】[看code] VoxelRCNN RPN（一）

VFE,BACKBONE_3D,MAP_TO_BEV,BACKBONE_2D,DENSE_HEAD与SECOND所用的一致。也就是说用AnchorHEADSingle来当一阶段的Head。
Hatake卡卡龙·2022-11-21 16:14

【warning】UserWarning: The parameter ‘pretrained‘ is deprecated since 0.13 and may be removed

importtorchvision.modelsasmodelsself.backbone=models.resnet101(pretrained=True)#旧版本写法报错内容：C:\Users\ting
ting♡·2022-11-21 15:49

PFLD：A Practical Facial Landmark Detector学习笔记

1902.10859v2.pdfPFLD源码地址：https://github.com/polarisZhao/PFLD-pytorch文章目录Abstract1.Introduction2.Methodology2.2BackboneNetwork2.3AuxiliaryNetwork2.4ImplementationDetails3
充实而又快乐·2022-11-21 13:28

tensorflow2 SqueezeNet

前面学习了通过加深网络和加宽网络来改进模型质量，提高模型精度的深度学习backbone模型（LeNet,VGGNet,AlexNet,GoogleNet,ResNet),这里介绍如何使网络更快，结构更轻量化的改进深度神经网络模型之一
啥都会点的大秀·2022-11-21 13:11

【YOLOv3 net】YOLOv3网络结构及代码详解

24利用YoloHead获得预测结果5不同尺度的先验框anchorbox5.1理论介绍5.2代码读取6YOLOv3整体网络结构代码理解7感谢链接1总体介绍YOLOv3网络主要包括两部分，一个是主干网络(backbone
寻找永不遗憾·2022-11-21 12:37

mindspore报错“ValueError: The checkpoint file does not exist.”

pretrained_backbone:"/cach
小乐快乐·2022-11-21 12:28

3d稀疏卷积——spconv源码剖析（二）

本文基于OpenPCDet框架中CeneterPoint算法，对spconv库中稀疏卷积源码进行剖析：首先看OpenPCDet下的pcdet/models/backbones_3d/spconv_backbone.pyfrom
令狐少侠、·2022-11-21 11:58

目标检测学习--yolo v4

先来论文tricks的截图：Backbones-Neck-Heads的tricks：Activations、bbox回归、数据增强、正则化、归一化、跨域连接的tricks：YOLOv4：1.目标检测器通用框架
胖虎记录学习·2022-11-21 11:16

pytorch分布式训练踩坑记录

pytorch分布式训练踩坑记录近期工作涉及到Backbone，所以会涉及到ImageNet1K(120w+张图像)的预训练先说说手上有啥，一台PC，配置如下2张2080ti500GSSD2T硬盘64内存
清新大叔丶·2022-11-21 10:38

yolox论文研读

DecoupledHead2.DataAugmentation3.AnchorFree与OTA4.End2end5.多种可选配的网络基准模型：Yolov3_sppYolox-Darknet53三.OTA四.总结1.输入端2.Backbone3
豆干花生·2022-11-21 06:47

Swin Transformer【Backbone】

背景SwinTransformer是ICCV2021最佳论文。ViT让transformer从NLP直接应用到CV有两个直接的问题：尺度问题（比如行人，车等大大小小的尺度问题在NLP领域就没有），序列问题（如果以图像像素点为基本单位，序列太大）。16个patch（分辨率低）使ViT可能不适合密集预测型的任务，全局建模使计算复杂度平方倍增长。SwinTransformer让transformer也能
太简单了·2022-11-21 03:50

【论文笔记】Swin-Transformer系列阅读笔记

HierarchicalVisionTransformerusingShiftedWindowsgithub：https://github.com/microsoft/Swin-Transformer本文提出了一个计算机视觉任务中的通用backbone
嘟嘟太菜了·2022-11-21 03:19

YOLOV6

0.9536.0~53.7Map0.554.4~71.3CPUMs153~1784V100Ms8.1~15.8Yolov6基于RepVGGstyle[4]设计了可重参数化、更高效的骨干网络EfficientRepBackbone
the hague·2022-11-21 03:12

Swin Transformer做backbone的YoloX目标检测

首先YoloX的项目代码来自Bubbliiiing，SwinTransformer的项目代码来自太阳花的小绿豆。感谢两位大佬在GitHub上面提供的资源。我的GitHub链接：https://github.com/zhengzihe/YoloX-based-on-Swin-TransformerSwinTransformer取如下三个有效特征层：其中代码部分PatchMerging和SwinTra
安淮葭·2022-11-21 02:38

我对DeepLab V3的理解（基于V1和V2）

1.2DeepLabv2与v1不同点：空洞空间金字塔池化ASPP（Atrousspatialpyramidpooling）将v1使用的backboneVGG16替换成了Resnet101ASPP可用于解决不同检测目标大小差
像梦一样自由al·2022-11-21 01:26

基于pytorch实现的图像分类代码

timm是我认为目前比较顶流的图像分类框架，也有很多图像分割、目标检测的源码使用timm作为backbone。mmcv就更不用说了，就是大佬中的大佬。当然除了大佬，我不建议各位使用
魔鬼面具·2022-11-21 00:05

【目标检测】yolov2特征提取网络------Darknet19结构解析及tensorflow和pytorch实现

1.网络结构Darknet-19是YOLOv2的backbone。Darknet-19总共有19层conv层，5个maxpooling层。
小飞龙程序员·2022-11-21 00:24

YOLOV2 pytorch版本代码详解

数据处理1.1数据集分类1.2数据转换为hdf5格式1.3编码2.网络模型2.1DarkNet192.2yolo_body+decoder3.损失函数4.训练5.预测YOLOV2和YOLOV1的不同点：backbone
山居秋暝LS·2022-11-21 00:15

使用PyTorch训练与评估自己的Visual Attention Network(VAN)网络

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·2022-11-20 22:47
上一页 20 21 22 23 24 25 26 27 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他