Backbone

DETR源码笔记（一）

目录main函数(一)参数设置main函数（二）搭建模型build_backbone()：包括构建位置编码器以及backbonemain函数(一)参数设置直接看源码，从train.py
在努力的松鼠·2022-11-03 08:45

EfficientDet ----torch版本源码解析

代码模块功能解析由于官方的代码是tensorflow版本的，我看的源码是zylo大佬写的pytorch版本的代码地址：EfficientDet-torch版本由于最近在搞自己的想法，时间不是很充足，所以这次先解析代码中的Backbone
从现在开始壹并超·2022-11-03 08:13

【DETR源码解析】二、Backbone模块

目录前言一、Backbone整体结构一、CNN-Backbone二、PositionalEncodingReference前言最近在看DETR的源码，断断续续看了一星期左右，把主要的模型代码理清了。
满船清梦压星河HK·2022-11-03 08:12

论文阅读Res2Net：A New Multi-scale Backbone Architecture

论文链接：https://arxiv.org/abs/1904.01169摘要对于许多视觉任务来说，在多个尺度上表示特征是非常重要的。卷积神经网络(CNNs)不断发展，并显示出较强的多尺度表示能力，在广泛的应用中一致取得了性能的提升。然而，大多数现有的方法以分层的方式表示多尺度特性。在本文提出了一种新的CNNs模块，即Res2Net，通过在一个残差块内构造分层的类残差连接。Res2Net以粒度级别
小仙女的大大大天地~·2022-11-01 14:24

论文机翻：Res2Net: A New Multi-scale Backbone Architecture（Res2Net 论文机翻）

Res2Net：一种新的多尺度主干架构摘要-在众多视觉任务中，以多种尺度表示特征非常重要。骨干卷积神经网络（CNN）的最新进展不断显示出更强大的多尺度表示能力，从而在整个应用范围内获得了一致的性能。然而，大多数现有方法都代表了多层尺度的多尺度特征。在本文中，我们通过在单个残差块内构造类似于残差的分层连接，为CNN提出了一种新颖的构造块，即Res2Net。Res2Net在粒度级别上代表了多尺度功能，
再给一碗吧·2022-11-01 14:50

CVPR2020 CSPNet: A New Backbone that can Enhance Learning Capability of CNN

CVPR2020CSPNet:ANewBackbonethatcanEnhanceLearningCapabilityofCNN论文翻译摘要1.介绍2.相关工作3.方法3.1CrossStagePartialNetwork3.2ExactFusionModel4
Laughing-q·2022-11-01 14:45

Res2Net: 一种新的多尺度主干体系结构(Res2Net: A New Multi-scale Backbone Architecture )

引言如图1所示，视觉模式在自然场景中以多尺度出现。首先，对象可以在单个图像中以不同的尺寸出现，例如，沙发和杯子具有不同的尺寸。其次，对象的基本上下文信息可能比对象本身占据更大的区域。例如，我们需要依靠大桌子作为上下文，以更好地判断放置在桌子上的黑色小球是杯子还是笔筒。第三，感知来自不同尺度的信息对于理解诸如细粒度分类和语义分割之类的任务的部分和对象至关重要。因此，为视觉认知任务设计多尺度的良好特征
Mick..·2022-11-01 14:15

pytorch从头开始搭建UNet++的过程详解

目录Unet++代码网络架构Backbone上采样下采样深度监督网络架构代码Unet是一个最近比较火的网络结构。它的理论已经有很多大佬在讨论了。
·2022-11-01 13:48

Pspnet: Pyramid Scene Parsing network

Backbone是添加了dilatedconv的resnet（stride=8
Kun Li·2022-11-01 11:30

微调（linear probing和 full finetune）技巧

应用场景：图像分类（使用CIFAR10作为测试数据集，ResNet18作为Backbone网络）数据预处理（resize_val=224,n_holes=1,length在原有的size=32时候为16
Black_And_Black·2022-11-01 03:05

UNet++详细解读（二）pytorch从头开始搭建UNet++

pytorch从头开始搭建UNet++Unet++代码网络架构Backbone上采样下采样深度监督网络架构代码Unet++代码网络架构黑色部分是Backbone，是原先的UNet。
楚楚小甜心·2022-11-01 03:31

实例分割------Yolact-minimal结构详解

yolact结构图网络backbone可以采用resnet101，resnet50甚至vgg16等。
小飞龙程序员·2022-10-31 18:11

改进YOLOv5系列：18.添加SOCA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·2022-10-31 07:37

改进YOLOv7系列：23.YOLOv7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·2022-10-31 07:37

改进YOLOv7系列： 最新结合用于小目标的新CNN卷积构建块

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·2022-10-31 07:03

YoloV5+ECVBlock:基于YoloV5-ECVBlock的小目标检测训练

目录1、前言2、数据集3、添加ECVBlock4、BackBone+ECVBlock5、Head+ECVBlock6、训练结果6.1Backbone6.2Head1、前言视觉特征金字塔在广泛的应用中显示出其有效性和效率的优越性
汤姆&·2022-10-31 03:59

pytorch 预训练模型冻结层+添加层+不同层学习率调整——以resnet50为例

参数：num_classes：自己的分类任务要分的类别数代码构造：BackBone：pytorch官方的预训练模型add_block：需要添加的fc层"""c
Dreamcatcher风·2022-10-30 17:28

yolov5原理

目录1网络结构1.1整体网络结构参考1.2backboneC3结构1.3Neck1.3.1SPPF1.3.2带C3结构的FPN-PAN1.4Head1网络结构1.1整体网络结构参考yolov56.0版本参考
xd_MrCheng·2022-10-30 07:22

7-YOLOv1-v5论文解读

Inferences4.1ComparisontoOtherReal-TimeSystems5，代码实现思考二，YOLOv2摘要YOLOv2的改进1，中心坐标位置预测的改进2，1个gird只能对应一个目标的改进3，backbone
嵌入式视觉·2022-10-29 09:03

pointpillars deployment 学习

pillarfeatureextracation)，通过简单的pointnet网络，提取pillar内点的特征scattertobev,把pillar的特征，重新分布到2d的image上，得到2dsudoimage2dbackbone
huang_victor·2022-10-29 07:27

【目标检测】56、目标检测超详细介绍 | Anchor-free/Anchor-based/Backbone/Neck/Label-Assignment/NMS/数据增强

文章目录1、双阶段和单阶段目标检测器1.1双阶段目标检测器1.1.1R-CNN1.1.2SPP1.1.3FastR-CNN1.1.4FasterR-CNN1.2单阶段目标检测器1.2.1YOLO系列1.2.1.1YOLOv11.2.1.2YOLOv21.2.1.3YOLOv31.2.1.4YOLOv41.2.1.5Scaled-YOLOv41.2.1.6YOLOv51.2.1.7YOLOv61.2
呆呆的猫·2022-10-28 07:15

PVT：可用于密集任务backbone的金字塔视觉transformer

PVT相比ViT引入了和CNN类似的金字塔结构，使得PVT像CNN那样作为backbone应用在densepredic
我是小将·2022-10-28 05:36

Pyramid Vision Transformer: A Versatile Backbone for Dense Prediction without Convolutions论文以及代码解析

PyramidVisionTransformer1.Abstract2.Introduction3.Method3.1.OverallArchitecture3.2.TransformerEncoder3.3.MoreDetails4.PVT-V1代码解析4.1.main脚本4.2.pvt脚本4.2.1.PyramidVisionTransformer类的init4.2.2.PyramidVisi
从现在开始壹并超·2022-10-28 05:29

论文：Pyramid Vision Transformer

PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions金字塔视觉Transformer:无卷积密集预测的通用主干
cztAI·2022-10-28 05:27

Vision Transformer之Pyramid Vision Transformer

PyramidVisionTransformer:AVersatileBackboneforDensePredictionwithoutConvolutions文章目录PyramidVisionTransformer
有为少年·2022-10-28 05:26

深度学习框架-Backbone汇总-附参考文献ris格式

参考文献Ris下载链接：https://download.csdn.net/download/xiaohuilang6/155429621.LeNet5：(1998)https://ieeexplore.ieee.org/document/726791NameOutputKernel-SizePaddingStrideChannelInput32*32///1Conv28*285*501*16Po
小灰狼@花花·2022-10-27 17:58

改进YOLOv5系列：16.添加SKAttention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·2022-10-26 12:20

改进YOLOv7系列：首发最新结合多种X-Transformer结构新增小目标检测层，让YOLO目标检测任务中的小目标无处遁形

该教程包含大量的原创首发改进方式,所有文章都是原创首发改进内容降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程本篇文章基于基于
芒果汁没有芒果·2022-10-26 12:20

改进YOLOv5系列：14.添加S2-MLPv2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·2022-10-26 12:19

改进YOLOv5系列：13.添加CrissCrossAttention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·2022-10-26 12:49

改进YOLOv5系列：增加Swin-Transformer小目标检测头

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·2022-10-26 12:48

【论文详解】MobileNet_v1(2017)

EfficientConvolutionalNeuralNetworksforMobileVisionApplications代码：TF源码，PyTorch复现2简介MobileNet是一种优秀的轻量级CNN，可作为backbone
小鹏聊智驾·2022-10-25 16:57

PaddleOCR-EAST

Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统目录*AbstractTrainPreProcessArchitectureBackboneNeckHeadLossDic
u012804784·2022-10-25 08:04

睿智的目标检测61——Keras搭建YoloV7目标检测平台

睿智的目标检测61——Keras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2、构建FPN
Bubbliiiing·2022-10-25 07:45

J Cheminform2022 | SwinOCSR+：基于Swin Transformer的end-to-end光学化学结构识别

使用Swintransformer作为backbone，提取图像特征，并引入Transformer，将提取到的的化学信息转换为
羊飘·2022-10-25 07:26

YOLO系列全面解析｜YOLOv 1234567X模型全系列大解析（Backbone篇）

写在前面近年来YOLO系列层出不穷，更新不断，已经到v7版本。YOLOv1-v7不同版本各有特色，在不同场景，不同上下游环境，不同资源支持的情况下，如何从容选择使用哪个版本，甚至使用哪个特定部分，都需要我们对YOLOv1-v7有一个全面的认识。将YOLO系列每个版本都表示成下图中的五个部分，逐一进行解析，并将每个部分带入业务向，竞赛向，研究向进行延伸思考，探索更多可能性。本文将聚焦于YOLO系列B
芒果汁没有芒果·2022-10-24 08:23

改进YOLOv7系列：结合Adaptively Spatial Feature Fusion自适应空间特征融合结构，提高特征尺度不变性

该教程包含大量的原创首发改进方式,所有文章都是原创首发改进内容降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程本篇文章基于基于
芒果汁没有芒果·2022-10-24 08:53

YOLOv1~7之Backbone

上次已经说了一遍v1-v7这次是Backbone的全系列,还是用yolo还不是太熟那种啊~~【一】YOLO系列中Backbone结构的特点YOLO系列中的Backbone结构主要作为网络的一个核心特征提取器
tt姐whaosoft·2022-10-24 08:52

yolov5深度剖析(1)—架构和源码

转自：https://blog.csdn.net/weixin_36714575/article/details/114116862yolov5深度剖析(1)—架构和源码yolov5深度剖析(2)—backboneyolov5
Ring__Rain·2022-10-24 08:52

最新｜全新风格的YOLOv5和YOLOv7网络结构解析图

本篇分享一下绘制的全新风格YOLOv5网络结构图和YOLOv7网络结构图文章目录YOLOv5网络结构图YOLOv7网络结构图YOLOv5网络配置YOLOv7网络配置YOLOv5网络结构图YOLOv5结构:Backbone
芒果汁没有芒果·2022-10-24 08:20

【论文笔记】：Learning Rich Features at High-Speed for Single-Shot Object Detection

该框架包括一个预训练过的标准backbone网络，一个轻量级的从零开始训练的辅助网络。此外，作者认为通常使用的自顶向下的金字塔表示只关注于将高
Activewaste·2022-10-24 07:09

YOLOV4模型搭建

文章目录2-1图像卷积2-2卷积核和步长2-2Yolov4的卷积例子2-6全连接层讲解2-8VGG做图像检测、预测、训练的整个流程介绍3-1YOLOV3网络结构回顾13-5YOLOV4网络结构backbone3
ryontang·2022-10-24 07:47

【3D 目标检测】Voxel Transformer for 3D Object Detection

一核心思想本文主要是在3Dbackbone上用到了改进的transformer方法，以便更好的提取特征。
J.Wang_China·2022-10-23 14:29

【MMDetection 源码解读之yolov3】Neck - FPN

目录前言一、FPN总结前言这部分接着前一篇文章【MMDetection源码解读yolov3】Backbone-Darknet53继续往后讲。
满船清梦压星河HK·2022-10-22 09:09

小白读论文-YOLOX（2021年6.8）

YOLOXYOLOX摘要YOLOXYOLOx-DarkNet53otherBackbones论文地址：https://arxiv.org/pdf/2107.08430.pdf代码地址：https://github.com
dear_queen·2022-10-21 07:22

《DFANet: Deep Feature Aggregation for Real-Time Semantic Segmentation》翻译（上）

AbstractThispaperintroducesanextremelyefficientCNNarchitecturenamedDFANetforsemanticsegmentationunderresourceconstraints.Ourproposednetworkstartsfromasinglelightweightbackboneandaggregatesdiscriminati
_要啥自行车·2022-10-20 23:09

改进YOLOv7系列：最新结合BoTNet Transformer结构，一种简单却功能强大的backbone，自注意力提高模型性能

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·2022-10-20 23:39

改进YOLOv7系列：首发结合CotNet Transformer结构，指导动态注意力矩阵的学习，增强视觉表示能力。

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·2022-10-20 23:38

改进YOLOv5系列：首发结合最新Extended efficient Layer Aggregation Networks结构，高效的聚合网络设计，提升性能

该教程包含大量的原创首发改进方式,所有文章都是原创首发改进内容降低改进难度,改进点包含最新最全的Backbone部分、Neck部分、Head部分、注意力机制部分、自注意力机制部分等完整教程本篇文章基于基于
芒果汁没有芒果·2022-10-20 23:37

论文阅读笔记 | 目标检测算法——DETR

Relatedwork2.1SetPrediction2.2TransformersandParallelDecoding2.3Objectdetection3.DETRmodel3.1Objectdetectionsetpredictionloss3.2DETRarchitecture3.2.1Backbone3.2.2Transfor
Clichong·2022-10-19 11:28
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他