efficient

论文速读 -- Efficient Spatial-Temporal Information Fusion for LiDAR-Based 3D Moving Object Segmentation

论文速读–EfficientSpatial-TemporalInformationFusionforLiDAR-Based3DMovingObjectSegmentation先赞后看，养成好习惯。
Darchan·2022-11-24 02:33

零代码使用Resnet进行深度学习的图片分类,参加Kaggle调参刚刚好

使用不同的模型，Resnet,EfficientNet,Swin使用不同的数据增强，自动下载数据集自动分割数据集调参训练推理可以对模型，epoch,batchsize,优化器，学习率，学习率调整策略，数据增强进行调参
makao007·2022-11-24 01:09

(论文分析)基于深度强化学习方法的有效边缘学习激励机制设计

论文题目：AnIncentiveMechanismDesignforEfficientEdgeLearningbyDeepReinforcementLearningApproach（INFOCOM2020
qq_45948088·2022-11-24 00:47

ECA-Net: Efficient Channel Attention for Deep Convolutional Neural Networks论文详解

论文链接：https://arxiv.org/abs/1910.03151代码地址：https://github.com/BangguWu/ECANet摘要现有的注意力方法开发更复杂的注意力模块来提升性能，增加了计算负担。本文提出了一个有效的通道注意(ECA)模块，它只涉及少量的（k<=9)参数，但带来了明显的性能增益。通过对SENet通道注意力模块的分析，证明了避免降维和适当的跨通道信息交互对于
DRACO于·2022-11-23 22:05

Communication-Efficient Learning of Deep Networks from Decentralized Data阅读笔记

Communication-EfficientLearningofDeepNetworksfromDecentralizedData最近阅读了这篇论文，应该是联邦学习的开山之作，比较基础也是很经典的算法
学习从入门到放弃·2022-11-23 22:16

论文阅读：On Dynamic Resource Allocation for Blockchain Assisted Federated Learning over Wireless Channel

OnDynamicResourceAllocationforBlockchainAssistedFederatedLearningoverWirelessChannelsAbstractI.INTRODUCTIONII.RELATEDWORKSA.EnergyandCommunication-efficientFLB.BlockchainAssistedFLIII.SYSTEMMODEL
甜度超标°·2022-11-23 21:07

Efficient Dense Frontier Detection for 2D Graph SLAM Based on Occupancy Grid Submaps

基于占用栅格子图的2D图-SLAM的密集边界高效检测摘要介绍相关工作准备工作边界检测边界检测算法算法1：子图更新事件的处理算法2：姿态图优化事件的处理摘要边界是世界地图上已探索空间和未探索空间之间的边界；该文研究了一个自主探索的模块化控制系统管道，其中基于占用栅格子地图的2D图SLAM算法来执行地图构建和定位，还提出了一种专门的边界检测方法，该方法有效地约束于活动子地图，但对SLAM闭环检测具有鲁
仝嶋·2022-11-23 21:55

word2vec介绍

这个word2vec的方法是在2013年的论文《EfficientEstimationofWordRepresentationsinVectorSpace》中提出的，作者来自google，文章下
dream_home8407·2022-11-23 20:35

cs224w（图机器学习）2021冬季课程学习笔记5 Colab 1：Node Embeddings

文章目录0.Python包导入1.NetworkX数据获取、可视化2.探索NetworkX数据的相关统计量2.1求平均度数，保留到整数2.2求平均clusteringcoefficient[^2]，保留
诸神缄默不语·2022-11-23 18:16

3D目标检测集合

Deep3DBox3DBoundingBoxEstimationUsingDeepLearningandGeometry论文地址：https://arxiv.org/abs/1612.00496代码地址：https://github.com/skhadem/3D-BoundingBoxGS3DGs3d:Anefficient3dobjectdetectionfra
unbekannten·2022-11-23 15:24

联邦学习论文阅读三：ChainFL

联邦学习论文阅读三：ChainFLSecureandEfficientFederatedLearningThroughLayeringandShardingBlockchain论文地址：https://
一步一个脚印ッ·2022-11-23 15:16

【读点论文】Detect Faces Efficiently: A Survey and Evaluations，关于人脸检测的思考，综述型文章

论了流行的和具有挑战性的数据集及其评估指标。对几种成功的基于深度学习的人脸检测器进行了综合比较，通过两个指标：失败率和延迟来揭示它们的效率。本文可以指导人们根据不同的应用选择合适的人脸检测器，并开发出更高效、更准确的检测器。INTRODUCTION人脸检测是计算机视觉中最常用、最基本和最实用的任务之一，它是从图像中检测人脸，并通过边界框返回人脸的空间位置。人脸检测的解决方案已经得到了显著的改进，从
羞儿·2022-11-23 14:11

（三）使用FastText模型进行文本情感分析（Pytorch）

更具体地说，我们将实现来自论文BagofTricksforEfficientTextClassification的“FastText”模型。
Nlper_Zhao·2022-11-23 14:41

ECO: Efficient Convolutional Network for Online Video Understanding

最近需要测试这个网络的flops以及params，在此对网络的部分结构以及代码做简单介绍，并介绍如何测试。论文作者在简介中表示，视频理解算法在深度学习的加持下已经获得了长足的进步，但是很多算法仅注重较短时间内的动作检测。如果我们想要进一步理解较长尺度动作的意图，这种短时间的内容就不够了。同时，一些3D卷积的算法在计算量上也十分庞杂，以至于只能对部分视频进行处理。这些算法通常有一个特点-他们都在“事
Mr___WQ·2022-11-23 14:29

Detect Faces Efficiently：A Survey and Evaluations学习笔记

论文地址：2021-IEEE-ShiqiYu-DetectFacesEfficiently：ASurveyandEvaluations代码地址1：https://github.com/ShiqiYu/libfacedetection
充实而又快乐·2022-11-23 14:57

关于推荐模型的论文汇总

推荐模型：关于推荐模型的相关论文汇总文章目录推荐模型前言一、S3-Rec二、ProcessTransformer三、UPRec四、EFFICIENTMODELOFSPARSEATTENTION五、GAN-Transformer
@zhg12138·2022-11-23 14:56

Data-Efficient Backdoor 论文笔记

#论文笔记#1.论文信息论文名称Data-EfficientBackdoor作者PengfeiXia中国科学技术大学会议/出版社IJCAI2022pdf在线pdf代码pytorch概要：本文是backdoorattack
wwweiyx·2022-11-23 13:41

[Transformer] Next-ViT: Next Generation Vision Transformer

Next-ViT:NextGenerationVisionTransformerforEfficientDeploymentinRealisticIndustrialScenarioshttps://arxiv.org
Cherry_qy·2022-11-23 12:10

字节提出Next-ViT：工业场景中高效部署的下一代视觉Transformer

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群转载自：集智书童Next-ViT:NextGenerationVisionTransformerforEfficientDeploymentinRealisticIndustrialScenarios
Amusi（CVer）·2022-11-23 12:33

yolov3/yolov4/yolov5/yolov6/yolov7/lite/fastdet/efficientdet各系列模型开发、项目交付、组合改造创新之—海洋海底垃圾检测系统设计开发

目前单阶段目标检测模型依旧是主流技术，yolo系列一直是但阶段目标检测领域的翘楚，迭代更新至今，已经从yolov3、yolov4、yolov5更新到了如今的yolov6和yolov7，相信随着新技术的不断涌现，一定还有更快更准更强的检测模型面世，yolo全系列的模型都有很高的学习研究和应用实践价值，对于每一个想要入门目标检测领域的人来讲都是必不可少的一堂课。当然了出来yolo以外还有很多其他的检测
2201_75285525·2022-11-23 12:01

yolov3/yolov4/yolov5/yolov6/yolov7/lite/fastdet/efficientdet各系列模型开发、项目交付、组合改造创新之—水稻疾病检测系统设计开发

目前单阶段目标检测模型依旧是主流技术，yolo系列一直是但阶段目标检测领域的翘楚，迭代更新至今，已经从yolov3、yolov4、yolov5更新到了如今的yolov6和yolov7，相信随着新技术的不断涌现，一定还有更快更准更强的检测模型面世，yolo全系列的模型都有很高的学习研究和应用实践价值，对于每一个想要入门目标检测领域的人来讲都是必不可少的一堂课。当然了出来yolo以外还有很多其他的检测
2201_75285525·2022-11-23 12:01

yolov3/yolov4/yolov5/yolov6/yolov7/lite/fastdet/efficientdet各系列模型开发、项目交付、组合改造创新之—水下海底生物检测系统设计开发

目前单阶段目标检测模型依旧是主流技术，yolo系列一直是但阶段目标检测领域的翘楚，迭代更新至今，已经从yolov3、yolov4、yolov5更新到了如今的yolov6和yolov7，相信随着新技术的不断涌现，一定还有更快更准更强的检测模型面世，yolo全系列的模型都有很高的学习研究和应用实践价值，对于每一个想要入门目标检测领域的人来讲都是必不可少的一堂课。当然了出来yolo以外还有很多其他的检测
2201_75285525·2022-11-23 12:01

yolov3/yolov4/yolov5/yolov6/yolov7/lite/mask/faster/fastdet/efficientdet各系列模型开发、项目交付、组合改造创新之—水稻检测

目前单阶段目标检测模型依旧是主流技术，yolo系列一直是但阶段目标检测领域的翘楚，迭代更新至今，已经从yolov3、yolov4、yolov5更新到了如今的yolov6和yolov7，相信随着新技术的不断涌现，一定还有更快更准更强的检测模型面世，yolo全系列的模型都有很高的学习研究和应用实践价值，对于每一个想要入门目标检测领域的人来讲都是必不可少的一堂课。当然了出来yolo以外还有很多其他的检测
2201_75285525·2022-11-23 12:30

yolov3/yolov4/yolov5/yolov6/yolov7/lite/fastdet/efficientdet各系列模型开发、项目交付、组合改造创新之—桥梁基建隧道裂痕裂缝检测实战

目前单阶段目标检测模型依旧是主流技术，yolo系列一直是但阶段目标检测领域的翘楚，迭代更新至今，已经从yolov3、yolov4、yolov5更新到了如今的yolov6和yolov7，相信随着新技术的不断涌现，一定还有更快更准更强的检测模型面世，yolo全系列的模型都有很高的学习研究和应用实践价值，对于每一个想要入门目标检测领域的人来讲都是必不可少的一堂课。当然了出来yolo以外还有很多其他的检测
2201_75285525·2022-11-23 12:30

半监督3D医学图像分割（三）：URPC

EfficientSemi-supervisedGrossTargetVolumeofNasopharyngealCarcinomaSegmentationviaUncertaintyRectifiedPyramidConsistency
宁眸·2022-11-23 09:34

TSM泛读【TSM: Temporal Shift Module for Efficient Video Understanding】

目录0、前沿1、标题2、摘要3、结论4、重要图表5、解决了什么问题6、采用了什么方法7、达到了什么效果0、前沿泛读我们主要读文章标题，摘要、结论和图表数据四个部分。需要回答用什么方法，解决什么问题，达到什么效果这三个问题。需要了解更多视频理解相关文章可以关注视频理解系列目录了解当前更新情况。TSM论文下载：https://openaccess.thecvf.com/content_ICCV_201
weixin_47341656·2022-11-23 07:51

论文理解——TSM：Temporal Shift Module for Efficient Video Understanding（ICCV2019）有效的视频理解时态移位模块

论文理解——TSM：TemporalShiftModuleforEfficientVideoUnderstanding（ICCV2019）有效的视频理解时态移位模块TSM：TemporalShiftModuleforEfficientVideoUnderstanding
Stridecdg·2022-11-23 07:49

paper总结（4）TSM: Temporal Shift Module for Efficient Video Understanding

这是一篇关于视频理解的文章，主要介绍了一种可以达到3DCNN的效果的，但是保持2DCNN计算量和参数量的方法，叫做TSM（TemporaShiftModule）也就是在一簇要处理的帧之间，把相邻帧之间的channel进行了交替拼接！比如我把第一帧图片的某个channel和第二帧之间的的某个channel进行了交替，这样使得相邻帧之间包含了对方的信息，因而保证了时间上的信息的获取，也就是文章中说的时
miss9785·2022-11-23 07:45

《TSM: Temporal Shift Module for Efficient Video Understanding》 论文与代码解析

论文地址：https://arxiv.org/pdf/1811.08383.pdf代码地址：https://github.com/mit-han-lab/temporal-shift-moduleTSM，简而言之，是一个视频理解网络，能够以2D卷积的计算量实现3D卷积的效果。下面将会根据代码和论文帮助大家理解这个网络。视频理解概述：目前有两种主流方法：2DCNN和3DCNN。2DCNN：1.双流网
xiyunlong·2022-11-23 07:41

行为识别论文笔记|TSM|TSM: Temporal Shift Module for Efficient Video Understanding

行为识别论文笔记|TSM|TSM:TemporalShiftModuleforEfficientVideoUnderstandingLin,Ji,C.Gan,andS.Han.
Alex丶Chen·2022-11-23 07:10

TSM（Temporal Shift Module）源码解析

TSM（TemporalShiftModule）源码解析论文名：TSM:TemporalShiftModuleforEfficientVideoUnderstanding代码链接：https://github.com
一语呢喃·2022-11-23 07:03

TSM: Temporal Shift Module for Efficient Video Understanding

接着之前的《浅谈动作识别TSN，TRN，ECO》，来谈谈最近MIT和IBMWatson的新文TemporalShiftModule（TSM）[1]。Something-SomethingV1数据集上的个算法性能对比看看上图，文章的主要贡献一目了然：对比主流的轻量级在线视频理解ECO系列，TSM系列在参数量少三倍的情况下，性能仍然超越ECO系列另外文章的TSM模块的实现非常简洁而且硬件友好：通过在2
Bruce_0712·2022-11-23 07:32

多元回归分析 | SVR支持向量机回归多输入单输出预测（Matlab完整程序）

（Matlab完整程序）预测结果评价指标基本介绍程序设计参考资料预测结果评价指标Meansquarederror=7.71452e-05(regression)Squaredcorrelationcoefficient
小橘算法屋·2022-11-23 06:17

模型优化与tensorflow

剪裁原理介绍该策略参考paper:PruningFiltersforEfficientConvNets该策略通过减少卷积层中卷积核的数量，来减小模型大小和降低模型计算复杂度。
fenfen520_zyx·2022-11-23 06:37

数据增强神器 SimpleCopyPaste 支持全流程

基于该数据增强，使用EfficientNet-B7骨干网络和NAS-FPN结构的算法模型可以在COCO测试集上实现49.1maskA
OpenMMLab·2022-11-23 05:46

Communication-Efficient Learning of Deep Networks from Decentralized Data

internationalconferenceonartificialintelligenceandstatisticsSummary当前机器学习模型训练中存在着数据隐私保护问题，所以作者提出了FL概念。通过分布式+隐私保护进行训练模型。对不平衡、non-IID的数据也更合适。主要提出了FedSGD和FedAvg算法。FedAvg通信代价要小于FedSGD实验中使用了MNIST数字识别和语言模型，
柿子_@·2022-11-23 05:28

论文翻译：2020_Residual Acoustic Echo Suppression Based On Efficient Multi-Task Convolutional Neural Netw

博客作者：凌逆战（转载请注名出处）论文地址：基于高效多任务卷积神经网络的残余声回波抑制摘要回声会降低语音通信系统的用户体验，因此需要完全抑制。提出了一种利用卷积神经网络实现实时残余声回波抑制的方法。在多任务学习的背景下，采用双语音检测器作为辅助任务来提高RAES的性能。该训练准则基于一种新的损失函数，我们称之为抑制损失，以平衡残余回波的抑制和nearend信号的失真。实验结果表明，该方法能有效抑制
凌逆战·2022-11-23 04:22

[Video Transformer] UniFormer：Unified Transformer for Efficient Spatial-Temporal Representation Lear

UniFormer：UnifiedTransformerforEfficientSpatial-TemporalRepresentationLearninghttps://arxiv.org/pdf/2201.04676
Cherry_qy·2022-11-23 04:53

ICLR2022《UNIFORMER: UNIFIED TRANSFORMER FOR EFFICIENT SPATIOTEMPORAL REPRESENTATION LEARNING》

论文下载链接：https://arxiv.org/pdf/2201.04676.pdf代码链接：https://github.com/Sense-X/UniFormer1.动机高维视频具有大量的局部冗余和复杂的全局依赖关系，而该研究主要是由3D卷积神经网络和视觉Transformer驱动。3D卷积虽然能抑制局部冗余，但由于接受域有限，它缺乏捕获全局依赖的能力；视觉Transformer在self-
Love向日葵的兮兮子·2022-11-23 04:52

ICLR2022录用的Transformer相关论文合集

论文相关内容请点击下方相应链接：论文一《UNIFORMER:UNIFIEDTRANSFORMERFOREFFICIENTSPATIOTEMPORALREPRESENTATIONLEARNING》论文二《
Love向日葵的兮兮子·2022-11-23 04:52

【读点论文】Next-ViT: Next Generation Vision Transformer for Efficient Deployment in Realistic Industrial

Next-ViT:NextGenerationVisionTransformerforEfficientDeploymentinRealisticIndustrialScenariosAbstract由于复杂的注意力机制和模型设计
羞儿·2022-11-23 04:51

如何使ResNet优于EfficientNet？改进训练方法和扩展策略就可以

欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_G架构变化、训练方法和扩展策略是影响模型性能的不可或缺的重要因素，而当前的研究只侧重架构的变化。谷歌大脑和UC伯克利的一项最新研究重新审视了ResNet架构，发现对于提升模型性能而言，改进训练和扩展策略或许比架构变化更重要。他们提出了ResNet的变体架构ResNet-RS，其使用的内存不仅更少，在TPU和GPU上的训练速度也数倍
计算机视觉研究院·2022-11-23 04:16

Uniformer: Unified Transformer for Efficient Spatial-Temporal Representation Learning

UnifiedTransformerforEfficientSpatial-TemporalRepresentationLearning1.Motivation2.Method2.1MHRA：2.2DPE2.3FFN1
黑洞是不黑·2022-11-23 04:14

13_Loading and Preprocessing Data from multiple CSV with TensorFlow_custom training loop_TFRecord

butDeepLearningsystemsareoftentrainedonverylargedatasetsthatwillnotfitinRAM.Ingesting摄取alargedatasetandpreprocessingitefficientlycanbetrickytoimplementwithot
LIQING LIN·2022-11-23 03:00

#Paper Reading# ELLA: An Efficient Lifelong Learning Algorithm

论文题目：ELLA:AnEfficientLifelongLearningAlgorithm论文地址：http://www.jmlr.org/proceedings/papers/v28/ruvolo13
John159151·2022-11-23 03:29

论文笔记 Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition - CVPR

Semantics-GuidedNeuralNetworksforEfficientSkeleton-BasedHumanActionRecognition2020CVPR|code|PDF|modifiedcodeAbstract
CiLin-Yan·2022-11-23 03:13

【CNN】MobileNet——卷积神经网络中轻量级的经典

MobileNet系列是AndrewG.Howard（GoogleInc.）等人于2017年（其实是2016年先于Xception已经提出，但是直到2017年才挂到arXiv上）在MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications
lingchen1906·2022-11-23 03:05

论文《PatchMatch Filter: Efficient Edge-Aware Filtering Meets Randomized Search for Fast Corresponde》学习

Abstract(2013CVPR)虽然计算机视觉中的许多任务可以被优雅地形式化为像素标记问题，但一个典型的挑战是不鼓励这样的离散公式往往是由于计算效率。近年来，基于高效边缘感知滤波器的快速成本体积滤波研究为解决离散标记问题提供了一种快速的替代方案，其复杂性与支持的尺寸无关。然而，这些方法仍然需要遍历整个成本卷，这使得解决方案的速度与标签空间大小成线性关系。当标签空间很大时，通常是(亚像素精确的)
Orange Wu·2022-11-23 00:04

【AAAI22】Interpretable Knowledge Tracing: Simple and Efficient Student Modeling with Causal Relations

文章目录摘要1引言可解释的知识追踪：简单高效的因果关系学生建模摘要智能辅导系统在未来的学习环境中已变得至关重要。知识追踪是该系统的重要组成部分。它是关于推断学生的技能掌握和预测他们的表现，以相应地调整课程。与传统模型相比，基于深度学习的KT模型具有显著的预测性能。然而，从神经网络中成千上万的参数中提取与认知理论相关的有心理学意义的解释是很困难的。在学生成绩预测中，有几种方法可以达到较高的准确性，但
林若漫空·2022-11-22 22:58

EfficientNet网络

目录模型缩放EfficientNet亮点EfficientNet网络结构图  论文《EfficientNet:RethinkingModelScalingforConvolutionalNeuralNetworks
Aiolei·2022-11-22 21:38
上一页 39 40 41 42 43 44 45 46 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他