Backbone

个人学习总结（2017-04-24）

还有10天出头离职，接下来要把bootstrap,jquery,backbone,原生js算法的一些东西过一遍转载于:https://www.cnblogs.com/cumting/p/6759732.
weixin_30790841·2022-03-25 02:27

Torchvision模型修改

使用torchvision.models加载的模型默认使用的是BatchNorm，当需要在分布式机器上训练时，我们需要将BatchNorm转换成SyncBatchNorm，可以使用：backbone=models.resnet18
行走江湖要用艺名·2022-03-24 02:00

torchvision tutorial 行人MaskR-CNN pycocotools git安装

行人数据集包含170个图片和345个行人实例修改torchvision模型库一般有两种情况：1.从一个预训练模型开始，只是微调最后一层2.想替换backboneimportosimportnumpyasnpimporttorchfromPILimportI
铁锅炖笨鸽·2022-03-23 21:08

【YOLOv3 net】网络结构及代码详解

1总体介绍yolov3主要包括两部分，一个是主干网络(backbone)部分，一个是使用特征金字塔(FPN)融合、加强特征提取并利用卷积进行预测部分yolov3网络总体框图如下：yolov3网络结构框图
寻找永不遗憾·2022-03-23 11:03

CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN

论文链接：https://arxiv.org/pdf/1911.11929.pdf提出的CSPNet，使最先进的方法，如ResNet、ResNeXt和DenseNet成为移动gpu或cpu的轻量级方法。其中一个主要贡献是认识到冗余梯度信息问题，它导致低效的优化和昂贵的推理计算。故提出了利用跨阶段特征融合策略和截断梯度流来增强学习特征在不同层中的可变性。此外，作者还提出了引入Maxout操作来压缩由
小小小～·2022-03-23 11:59

Res2Net: A New Multi-scale Backbone Architecture

论文链接：https://arxiv.org/abs/1904.01169一、Res2NetModule本论文所提出的结构如上图中的右侧与现有的增强cnn多层多尺度表示强度的方法不同，本论文在更细粒度的级别上改进了多尺度表示能力。与一些并行工作利用不同分辨率的特征提高多尺度能力不同，本论文提出的多尺度是指更细粒度的多个可用接受域。为了实现这一目标,用一组更小的卷积,取代的n通道的3×3卷积(为了不
小小小～·2022-03-23 11:58

Yolov5-v6.0模型详解

Yolov5-v6.0模型详解先看看yaml文件：可以知道6.0模型主要构成为conv、bottlenet、cs3、sppf、detect层yaml文件如下：#YOLOv5v6.0backbonebackbone
look老猫·2022-03-21 07:22

YOLOV5 网络结构 yaml 文件参数理解

文章目录前言一、ymal文件理解1.模型存在地址2.yaml内容理解1.parameters2.anchors3.backbone、head二、模型解析补充：模型yaml文件中第四参数解释总结前言【个人学习笔记记录
风犬咪咪·2022-03-21 07:55

深度学习之目标检测（五）-- RetinaNet网络结构详解

深度学习之目标检测（五）--RetinaNet网络结构详解深度学习之目标检测（五）RetinaNet网络结构详解1.RetinaNet1.1backbone部分1.2预测器部分1.3正负样本匹配1.4损失计算
木卯_THU·2022-03-21 07:19

ultralytics/yolov5网络模型代码解读

yolov5深度剖析+源码debug级讲解系列（二）backbone构建)YOLOV5训练
Strange_Gu·2022-03-21 07:48

YOLOv4之网络结构剖析

1.yolov4的网络结构yolov4的网络结构包括backboneCSPDarknet53NeckSPPPANetDencePredictionyolohead整个网络结构如下图1所示:图1yolov4
甘先了个生·2022-03-20 06:03

目标检测之YOLOX分享

https://github.com/Megvii-BaseDetection/YOLOX论文：https://arxiv.org/abs/2107.08430速度和检测效果与yolov5对比：首先还是backbone
xuzz_498100208·2022-03-18 05:03

从零开始实现yolox二：网络搭建与导入

网络结构1YOLOX网络结构概览2Backbone3Neck4Head5YOLOBody6权重导入（1）下载模型权重文件（2）解析模型（3）导入模型这篇博客是YOLOX系列中最核心的，也是让人越看越明白的
weixin_44457930·2022-03-18 05:20

YOLOX系列文章（一）：先来看看论文

YOLOX系列文章（一）：先来看看论文YOLOX论文摘要1.介绍2.YOLOX2.1YOLOX-DarkNet532.2其他backbone3.与其他方法的比较4.SPC比赛中第一名5.总结文章下期预告文章下下期预告注
机器视觉全栈er·2022-03-18 05:42

Swin Transformer 来实现行人检测和追踪_副本

aistudio.baidu.com/aistudio/projectdetail/2022805引入之前使用SwinTransformer实现过图像分类任务今天换个下游任务——目标检测，尝试使用SwinTransformer作为Backbone
AI Studio·2022-03-18 05:39

mmdetection 模型训练技巧

1.预训练模型关于预训练模型，一般的检测都是使用ImageNet预训练的backbone，这是基本配置，官方也支持这种加载方式。
CV-deeplearning·2022-03-18 05:11

angular项目打包_从 Angular 转到 React，网易严选的前端工程化实践

作者|扑扑香来源|严选技术团队前端日益发展，从最初的HTML、CSS、JavaScript三大基础，到后来的jQuery、Backbone、AngularJS，再到现在的Angular、React、Vue
weixin_39616693·2022-03-16 09:03

angular项目打包_从 Angular转到 React，网易严选的前端工程化实践

前端日益发展，从最初的HTML、CSS、JavaScript三大基础，到后来的jQuery、Backbone、AngularJS，再到现在的Angular、React、Vue三大框架流行，技术的演进既带来了更多的可能
weixin_39562928·2022-03-16 09:33

Exploring New Backbone and Attention Module for Semantic Segmentation in Street Scenes笔记

本文创新点:(1)基于resnet101改进了backbonebottleneck指的是残差块（2）介绍了三种attention模块基于通道模块、空间模块和自注意力模块下图为CASMSASMSSM第二部分回顾了前科研者的工作
月下滑板鞋~·2022-03-16 07:16

YOLOX论文翻译

题目：《YOLOX:2021年超越YOLO系列》文章目录摘要一、介绍二、YOLOX2.1YOLOX-DarkNet532.2其他backbones三、与SOTA比较四、流媒体感知挑战第一名(2021年CVPR
秦失其鹿的博客·2022-03-15 07:49

深度学习之学习（3-4）YOLOV4

四、大神接棒：YOLOv44.1简介目前的检测模型通常由两部分组成：Backbone：在ImageNet上预训练的网络主干（pre-trainedonImageNet）GPU：VGG、ResNet、ResNeXt
light169·2022-03-15 07:11

PV-RCNN论文和逐代码解析（二）

第一阶段：1、MeanVFE（voxel特征编码）2、VoxelBackBone8x（3DCNN提取voxel特征）3、HeightCompression（高度方向Z轴堆叠）5、BaseBEVBackbone
NNNNNathan·2022-03-15 07:29

睿智的目标检测55——Keras搭建YoloV5目标检测平台

睿智的目标检测55——Keras搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分（不完全）YoloV5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·2022-03-14 09:58

YOLOv5论文笔记

1、网络结构图（1）输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放（2）Backbone：Focus结构，CSP结构（3）Neck：FPN+PAN结构（4）Prediction：GIOU_Loss
weixin_43981952·2022-03-13 07:46

CBNet论文详解

AdjacentLower-LevelComposition(ALLC)DenseHigher-LevelComposition(DHLC)实验检测结果对比不同组合样式的比较CBNET的共享权重系数CBNET的BackBone
LN烟雨缥缈·2022-03-12 07:05

【代码阅读】Sparse Convolution代码理解

文章目录OpenPCDet：VoxelBackBone8xspconvSparseTensorSubMConv3dget_indice_pairsindice_subm_convGEMMSparseConvolution
麒麒哈尔·2022-03-12 07:35

参考-基于组件的架构

有很多基于组件的架构的框架，除了AVR，还有老牌框架backbone.jsAngularJS和新鲜框架crank，各个框架都实现了这一套API/约定/协议，虽然实现办法各不相同。
·2022-03-11 18:07

随笔记录——FCOS及其应用

FCOS总体结构、及特点如下：全卷积网络：Backbone、Nec
Law-Yao·2022-03-08 07:01

Yolov5更换backbone，与模型压缩（剪枝，量化，蒸馏）

目前支持更换yolov5的backbone主干网络为Ghostnet，以及采用eagleeye的剪枝方法支持对yolov5系列的剪枝。后续，将会添加更多更轻量
RANKING666·2022-03-07 07:28

Yolov5更换backbone，与模型压缩（剪枝，量化，蒸馏）续

新增支持更换yolov5的backbone主干网络为Efficientnetv2,shufflenetv2，具体网络模型实现可在model-->common.py中查看。
RANKING666·2022-03-07 07:28

YOLOv5网络结构+代码+应用详解|CSDN创作打卡

目录一、输入端分析二、整体网络结构图以及总括介绍三、Backbone四、Neck五、Head六、代码实现网络具体构建七、利用YOLOv5训练自己的数据集一、输入端分析YOLOv5输入端（一）——Mosaic
tt丫·2022-03-04 10:43

YOLO v4网络实现及解析

网络架构 目标检测一般由两部分组成：backbone和head。其中backbone是主干网络主要用来提取图像的特征，head部分根据图像特征来进行目标检测。
huserblog·2022-03-04 10:12

YOLO-v4网络结构解析

转自：https://blog.csdn.net/weixin_41560402/article/details/1061197741.概述现阶段的目标检测器主要由4部分组成：Input、Backbone
Mirinda_cjy·2022-03-04 10:10

【快速入门】YOLOv5目标检测算法

文章目录一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head三、改进方法1、自适应锚框计算2、自适应灰度填充四、性能表现五、YOLOv5入门实战一、YOLOv5简介
AI 菌·2022-03-03 07:11

Yolo v3论文精读

论文结构一、主干网络-DarkNet-53（backbone）二、特征金字塔-FPN（neck）三、对featuremap进行预测（Head）四、先验框五、训练策略六、损失函数七、实验结果分析总结论文结构一
爱喝caffee的小男孩·2022-03-02 07:04

Yolo4-Tiny代码解读

本文参考代码链接代码yolo4-tiny的整体结构，如下图所示从图中可以看到，yolo4tiny大致可以分为以下几个模块：1.CSPDarknet53-tiny，是整个网络的backbone2.FPN3
FPGA硅农·2022-03-01 07:24

黄金时代 —— Pytorch学习记录（二）

文章目录图片-TorchVision定义模型定义模型的4种方法代码注意可视化-netron想替换backbone-errorImageNet网络微调辅助函数模型训练和验证冻结层requires_grad
末流之人·2022-02-28 21:17

简单理解mmdetection中的registry（注册类）类【转载整理】

比如，backbone作为一簇其中包括vgg、resnet等。九
小娜美要努力努力·2022-02-28 10:15

等价类划分法_简单理解mmdetection中的registry类

注册器类(Registry)在mmdetection中，将会使用该类构建9个注册类实例，其实就是对类做一个划分管理.比如，backbone作为一族（vgg,resnet等）文件：mmdetmodelsregistry.pyBACKBONES
weixin_39928686·2022-02-28 10:15

MMDetection2.XX-Necks之FPN源码解析

mmdetection中最基础的FPN是如何实现的：注意要点代码分解详解全部代码完整注释话不多说，直接上图，我们先看mmdetection中最基础的FPN是如何实现的：注意要点在mmdetection的backbone
@会飞的毛毛虫·2022-02-28 10:45

最全环境配置：Anaconda+pytorch+pycharm / Anaconda+tensorflow

pycharm，以及配置工具：https://www.jianshu.com/p/03fd1e22bcfe2.Anaconda+tensorflow：https://blog.csdn.net/xiong_backbone
Strive_LiJiaLe·2022-02-25 07:09

把大核卷积拆成三步，清华胡事民团队新视觉Backbone刷榜了，集CNN与ViT优点于一身...

于是，以经典Backbone为基础、细节上相互借鉴，成了最近一个热门研究方向。前有微软SwinTransformer引入CNN的滑动窗口等特性，刷榜下游任务并获马尔奖。
QbitAl·2022-02-25 07:37

《React精髓》实践笔记 - Chapter 2

代码风格很重要，否则维护起来很困难，但是理解原生API也是一个有必要的DOM更改很慢，不像其他JS代码一样可以很快优化同步UI与数据模型的变化双向数据绑定：键值观察的方式Ember.jsKnockoutBackboneiOS
喂喂喂章鱼·2022-02-22 03:48

yolact模型结构探索

论文地址：https://arxiv.org/abs/1904.02689源码：https://github.com/dbolya/yolact.git相关理论先放一张yolact的结构图：特征提取网络backbone
fegggye·2022-02-21 07:37

【CVPR 2021】Unsupervised Pre-training for Person Re-identification(UPT)

文章目录方法概述内容概要工作概述成果概述方法详解方法框架具体实现实验结果总体评价引用格式参考文献内容概要论文名称简称会议/期刊出版年份baselinebackbone数据集UnsupervisedPre-trainingforPersonRe-identification-CVPR
_Summer tree·2022-02-21 07:42

每日一词 backbone

Hewhohasthebackbonetobehatedbyotherscanobtainfreedom.2.有勇气对自己诚实，就会更幸福。
米脑斯·2022-02-20 16:33

【玩转PointPillars】点云特征提取结构PFN(PillarFeatureNet)

PointPillars整体网络结构有三个部分构成，他们分别是PFN(PillarFeatureNet),Backbone(2DCNN)和DetectionHead(SSD)。
昌山小屋·2022-02-20 07:06

Anchor free系列网络之YOLOX源码逐行讲解篇(八)--simOTA标签匹配策略详解(专栏试读)

整个YOLOX源码的学习一定要按照以下顺序才能整体串起来：Backbone->FPN->Head->->数据读入源码->数据增强源码->loss计算源码->simOTA源码->demo.py脚本->train.py
@会飞的毛毛虫·2022-02-19 07:51

vue双向数据绑定

实现数据绑定的做法有大致如下几种：发布者-订阅者模式（backbone
不得不爱XIN·2022-02-18 01:33

每日一词~backbone

Lackingthebackbone,hegaveupthescholarshipapplicationatthelastmoment.2）结合自己的生活、学习、工作、兴趣等，想象在什么语境下会用到这个表达
观岸·2022-02-17 21:10
上一页 29 30 31 32 33 34 35 36 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他