mobileNet

轻量级CNN网络之MobileNetv2

作者：叶虎编辑：田旭前言MobileNet网络是Google提出主要应用在移动端的轻量级CNN网络，之前的文章（CNN模型之MobileNet）已经对MobileNetv1版本进行了详细的介绍。
l7H9JA4·2018-12-10 18:00

轻量级CNN网络之MobileNetv2

作者：叶虎编辑：田旭前言MobileNet网络是Google提出主要应用在移动端的轻量级CNN网络，之前的文章（CNN模型之MobileNet）已经对MobileNetv1版本进行了详细的介绍。
l7H9JA4·2018-12-10 18:00

Tengine在Ubuntu16.04上的部署及MobileNet_SSD的实时测试

Tengine在Ubuntu16.04上的部署及MobileNet_SSD的实时测试0.Tengine介绍1.Ubuntu系统烧录2.安装Tengine3.运行Tengine自带的MobileNetSSD
hanmiaobei7428·2018-12-10 10:43

TensorFlow Mobilenet SSD模型压缩并移植安卓上以达到实时检测效果

之前使用TensorFlowobjectdetectAPI实现了目标检测（14个手势的识别），使用的是轻量级模型Mobilenet-ssd，Mobilenet-ssd本身检测速率相较于其他模型会更快。
LiangJun.py·2018-12-09 19:53

Caffe 学习系列（六）：MobileNet-SSD 安装与训练

Caffe学习系列（六）：MobileNet-SSD安装与训练MobilePlatformhttps://github.com/chuanqi305/rscnn1.数据集转换VOC数据集制作在yolo学习系列
la_fe_·2018-12-09 16:59

基于手机系统的实时目标检测

近年来已经提出了许多有效的架构，例如：MobileNet，ShuffleNet和NASNet-A。然而，所有这些模型都严重依赖于深度可分的卷积，这在大多数深度学习框架中缺乏有效的实现。
gzq0723·2018-12-05 08:29

端上语音识别:MFCC and Mobilenet

前言在当前深度学习框架下的语音识别,有两个路线可以走:CNN或者RNN.但观当今研究,看cnn大行主流,故选cnn进行实践研究.实践分两部分,1,根据CNN对图像处理的巨大优势,将音频做MFCC处理,归一化,再输出为图片;2,retrainmobilenet音频mfcc处理importnumpyasnpimportmatplotlib.pyplotaspltimportlibrosaimportl
四月是你的谎言_6b55·2018-12-04 14:07

MobileNet v1

MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplicationsAbstractMobileNets是用于移动和嵌入式视觉应用的高效模型。MobileNets是基于流线型架构，使用深度可分离卷积来构建轻量级深度神经网络。论文介绍了两个简单的全局超参数，可以在延迟和准确度之间有效折中。这些超参数允许模型构建器根据问题
ludanwss0716·2018-12-03 20:23

MobileNet V2——比V1更会“学习” (目标检测)(one/two-stage)(深度学习)(Arxiv 2018)

InvertedResidualsandLinearBottlenecksMobileNetworksforClassification,DetectionandSegmentation》链接：https://128.84.21.199/abs/1801.04381论文代码：https://github.com/shicai/MobileNet-Caffe
图像所浩南哥·2018-12-02 21:11

小白学mobilenet_v1：轻量级CNN

从2012年的Alexnet夺得ILSVRC2012冠军开始，CNN在图像识别领域层出不穷，出现了各种各样的网络架构，但是近年来都是依靠增加网络的深度和广度来提高准确率的，需要大量的使用GPU。但是要注意的是，这些在学术上的成就并不能应用到现实中，因为计算资源需求太高，而现实中的设备并没有这么强的算力。因此，作者提出了一种轻量级的CNN，大大减少了计算量，可以应用于手持设备上。下面我们直奔主题，看
无名wxd·2018-12-02 09:50

MobileNet——压缩卷积层计算量 (目标检测)(one/two-stage)(深度学习)(CVPR 2017)

MobileNetsEfficientConvolutionalNeuralNetworksforMobileVisionApplications》论文下载：https://arxiv.org/abs/1704.04861论文代码：https://github.com/miraclewkf/mobilenet-MXNet1
图像所浩南哥·2018-11-29 23:30

轻量级深度学习网络(七）:详解轻量级网络总结

本文简单介绍了四个轻量化网络模型，分别是SqueezeNet、MobileNet、ShuffleNet和Xception，前三个是真正意义上的轻量化网络，而Xception是为提升网络效率，在同等参数数量条件下获得更高的性能
chenyuping666·2018-11-29 14:32

MobileNet论文详解

原文地址：https://arxiv.org/abs/1704.04861论文目标：设计一种深度模型加速的算法，可以在基本不影响准确率的前提下大大减少计算时间和参数数量。为移动和嵌入式视觉应用提出了一种有效的解决方案。论文的主要工作：提出一种将标准卷积层拆分成两个卷积层（depthwise和pointwise）的MolileNet网络，描述了一个有效的网络架构和一组两个超参数，以便构建非常小的模型
DUT_jiawen·2018-11-28 19:04

Ubuntu16.04 配置TensorFlow 1.10.1（Object Detection API）运行MobileNet-SSD（ssd_mobilenet_v1_coco）

Ubuntu16.04配置TensorFlow1.10.1（ObjectDetectionAPI）运行MobileNet-SSD（ssd_mobilenet_v1_coco）TensorFlow的安装方式从源码安装
Arvin_liang·2018-11-28 14:05

Tensorflow Android端开发之——模型节点信息查看

/ssd_mobilenet_v1_android_export.pb','rb')asf:graph_def=tf.GraphDef()graph_de
ciky奇·2018-11-27 14:51

Caffe-SSD MobileNetan配置及训练自己的数据集

2.MobileNet首先把chuanqi大神的项目克隆到本地：gi
lukaslong·2018-11-26 17:34

MobileNet V2

版权声明：本文为博主原创文章，未经博主允许不得转载论文：InvertedResidualsandLinearBottlenecksMobileNetworksforClassification,DetectionandSegmentation链接：https://arxiv.org/abs/1801.04381Tensorflow源码：https://github.com/tensorflow/m
xin心扉·2018-11-26 16:45

TensorRT基于caffe模型加速MobileNet SSD

TensorRT加速MobileNetSSD分解为三个问题:1)图像的预处理;2)结果的处理;3)depthwiseconvolution层的实现;针对1)图像预处理我就不多言了;针对2)结果处理,由于tensorRT中有SSD的detectout插件,所以出来的结果如何处理,也没有什么多说的,结果的个数是100个,for循环就可以了.可以借鉴这个demo:https://github.com/m
猫猫与橙子·2018-11-26 15:40

Mobilenet-Efficient Convolutional Neural Networks for Mobile Vision Applications

摘要MobileNet网络一种针对移动端以及嵌入式视觉应用的轻量网络结构，作者来自Google。其贡献在于使用深度可分离卷积和1x1卷积代替传统的2d图像卷积，来构造轻型权重深度神经网络。
踩坑第某人·2018-11-24 18:18

YOLO-LITE项目实现(比SSD和MobileNet更快的算法)

YOLO-LITE论文：Yolo-litepaper项目：Yolo-lite不懂原理的可以看我的这篇博客：YOLO－LITE原理YOLO-LITE是YOLOv2的网络实施-在MSCOCO2014和PASCALVOC2007+2012上接受过微小训练。在开发YOLO-LITE时使用的所有训练模型（cfg和权重文件）都在这里。我们的目标是创建一个架构，可以在没有GPU的计算机上以10FPS的速度进行实
to_be_better_one·2018-11-24 10:56

Yolo-lite:实时的适用于移动设备的目标检测算法(比ssd和mobilenet更快)

YOLO-LITE:AReal-TimeObjectDetectionAlgorithmOptimizedforNon-GPUComputers论文：Yolo-litepaper项目：Yolo-lite摘要：作者提出了一种可以应用于便携式设备中运行的实时的目标检测算法，例如：手机或者没有gpu的笔记本．在PASCALVOC和coco数据集上的map是33.81%和12.26％比ssd和mobile
to_be_better_one·2018-11-24 10:03

mobilenet学习笔记

输入112x112x16一般情况下卷积核为3x3x16x64，参数个数9216计算量为3x3x112x112x16x64=115605504mobilenet_v1：使用两个卷积核替代原先的卷积核，分别是
qq_17127427·2018-11-14 17:15

MobileNet学习总结

1.mobilenetv1参考下文即可，写的很好。https://blog.csdn.net/t800ghb/article/details/78879612自己的疑问：（1）DW层，即Depth-Wise层，是否实际上就是一个3x3的一维卷积核？2.mobilenetv2参考下文。https://blog.csdn.net/u011995719/article/details/79135818自
坎幽黑尔弥？·2018-11-14 16:38

CNN网络优化学习总结——从MobileNet到ShuffleNet

CNN网络优化学习总结——从MobileNet到ShuffleNet摘要最近出了一篇旷视科技的孙剑团队出了一篇关于利用ChannelShuffle实现的卷积网络优化——ShuffleNet。
shishi_m037192554·2018-11-12 17:02

CNN推理优化系列之一：Filters pruning

介绍CNN模型简化以减少参数数量及增加计算效率可分为两种主要方法：一类是设计参数更少、所需计算更少的CNN结构像MobileNet/SqueezeNet/ShuffleNet等；另一类则是在常规CNN模型
manofmountain·2018-11-10 11:41

MobileNet学习笔记

MobileNetv1论文中提到，MobileNet的创新点在于使用深度可分离卷积代替传统卷积用于提取特征，达到减少计算资源损耗和减小模型大小的目的。
huang_nansen·2018-11-05 23:54

ShuffleNetV2：轻量级CNN网络中的桂冠

为了满足这些需求，一些轻量级的CNN网络如MobileNet和ShuffleNet被提出，它们在速度和准确度之间做了很好地平衡
l7H9JA4·2018-11-05 18:43

转载：最全最先进的检测算法对比Faster R-CNN, R-FCN, SSD, FPN, RetinaNet and YOLOv3

utm_source=oschina-app很难衡量一个检测算法的好坏，因为除了算法本身的思路之外，还有许多因素影响它的速度和精度，比如：特征提取网络(VGG,ResNet,Inception,MobileNet
lv6572·2018-11-05 13:26

深度学习算法效果提升-网络结构

2.1.2Inceptionv22.1.3Inceptionv32.1.4Inceptionv42.1.4Inception_resnet_v12.1.5ResneXT2.2“端”上模型2.2.1squeezenet2.2.2mobilenet_v12.1.3shufflenet2.1.4
diligent_321·2018-11-03 21:01

[论文笔记] ShuffleNet

优于MobileNet一、IntroductionXception、ResNeXt在非常小的网络上效率很低，主要是因为dense1×11\times11×1convolution计算量较大。
Bingyu Xin·2018-11-01 20:53

纵览轻量化卷积神经网络SqueezeNet，MobileNet，ShuffleNet

1.SqueezeNet具体如下图所示：Firemodule输入的featuremap为H*W*M的，输出的featuremap为H*M*(e1+e3)，可以看到featuremap的分辨率是不变的，变的仅是维数，也就是通道数，这一点和VGG的思想一致。SqueezeNet提出了3点网络结构设计策略：策略1.将3x3卷积核替换为1x1卷积核。这一策略很好理解，因为1个1x1卷积核的参数是3x3卷积
dl_007·2018-10-29 22:06

Mobilenet caffe merge_bn.py执行错误问题

Mobilenetcaffemerge_bn.py问题这个问题困扰了好多时间，在Mobilenet中train.sh，demo.pytest.sh都时正常的了，但是到merge_bn.py时就出现以下问题
navy电子爱好者·2018-10-28 16:08

【转载】轻量化卷积神经网络：SqueezeNet、MobileNet、ShuffleNet、Xception

https://blog.csdn.net/u011995719/article/details/79100582一引言二轻量化模型2.1SqueezeNet2.2MobileNet2.3ShuffleNet2.4Xception
dopami·2018-10-26 18:05

Tensorflow MobileNet移植到Android

1CKPT模型转换pb文件使用上一篇博客《MobileNetV1官方预训练模型的使用》中下载的MobileNetV1官方预训练的模型《MobileNet_v1_1.0_192》。虽然打包下载的文件中
huachao1001·2018-10-23 20:52

MobileNet V1官方预训练模型的使用

最近看到一个巨牛的人工智能教程，分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。平时碎片时间可以当小说看，【点这里可以去膜拜一下大神的“小说”】。1.下载网络结构及模型1.1下载MobileNetV1定义网络结构的文件MobileNetV1的网络结构可以直接从官方Github库中下载定义网络结构的文件，地址为：https://raw.gith
huachao1001·2018-10-22 21:03

精简CNN模型系列之七：Xception

它的主旨与MobileNet系列很像即推动DepthwiseConv+PointwiseConv的使用。
manofmountain·2018-10-20 13:17

目标检测算法汇总比较

很难衡量一个检测算法的好坏，因为除了算法本身的思路之外，还有许多因素影响它的速度和精度，比如：特征提取网络(VGG,ResNet,Inception,MobileNet);输出的步长，越大分类数目越多，
别说话写代码·2018-10-16 18:10

解决“ImportError :No Module named sh"和”Import error: No module named jinja2“

1，引言在centOS7服务器上搭建小米的mace框架时，执行pythontools/converter.pyconvert--config=/path/to/mace-models/mobilenet-v2
hanjushi2·2018-10-15 11:55

使用TensorFlow Lite将ssd_mobilenet移植至安卓客户端

最近开始入门深度学习，想将训练好的手势识别ssd_mobilenet模型移植到安卓上，网上找了一些资料，在不断的尝试中终于成功了，现整理一下实现的步骤，可能出现遗漏错误等情况请大家指点。
LiangJun.py·2018-10-12 19:58

MobileNetV1 & MobileNetV2 简介

EfficientConvolutionalNeuralNetworksforMobileVisionApplication1、能够减少参数数量和计算量的原理2、MobileNetV1中引入的两个超参数3、标准卷积和深度可分离卷积的区别4、TensorFlow中的代码实现5、Caffe中的代码实现三、MobileNet
man_world·2018-10-11 16:24

mobileNet-ssd使用tensorRT部署

mobilenet-ssd使用tensorRT部署一，将deploy.prototxt改写为deploy_plugin.prototxt1,convolution层的param{}全部去掉，convolution_param
西红柿爱吃小番茄·2018-10-08 18:08

论文笔记：MobileNet v1

原文：MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplicationsMobileNetv11、四个问题要解决什么问题？在现实场景下，诸如移动设备、嵌入式设备、自动驾驶等等，计算能力会受到限制，所以本文的目标就是构建一个小且快速（smallandlowlatency）的模型。用了什么办法解决？提出了MobileNe
hongbin_xu·2018-10-07 12:08

【基于opencv3.4.1的Mobilenet_SSD深度学习模型的调用与目标识别】

目前，常见的目标检测算法，如FasterR-CNN，存在着速度慢的缺点。该论文提出的SSD方法，不仅提高了速度，而且提高了准确度。SSD:该论文的核心思想：本文中我们主要总结前人工作，通过opencv调用ssd生成模型，实现对图像或视频流中目标的识别。其中mobile_net的模型文件与描述文件位于opencv安装路径的C:\opencv\opencv\sources\samples\data\d
树莓派派酒·2018-10-02 21:10

mobilenet网络的理解,caffe以及 tensorflow实现代码

转mobilenet网络的理解2017年10月22日15:14:50BigCowPeking阅读数：28821标签：目标检测更多个人分类：目标检测人脸检测论文地址：MobileNets:EfficientConvolutionalNeuralNetworksforMobileVisionApplications
shishi_m037192554·2018-09-30 14:02

squeezenet 训练分类网络

各种教学视频或文档资料+QQ：635992897近期需要做移动端深度学习项目，首先调查了一下适合移动端的深度学习网络，常用的主要有：SqueezeNet、MobileNet、ShuffleNet、Xception
Einstein_liu·2018-09-29 09:24

MobileNet-SSD训练

在caffe-ssd环境搭建好的情况下1.下载MobileNet-SSDcd/home/**/caffe/examples/gitclonehttps://github.com/chuanqi305/MobileNet-SSD2
nimo_cap·2018-09-28 18:00

浅谈SSD检测算法

什么是MobileNet-SSDSSD本身就是一个基于VGG16的网络，MobileNet-SSD顾名思义就是这两个网络的组合，具体怎样组合详见网络结构图，下面详细介绍SSD的算法原理及SSD的结构。
nimo_cap·2018-09-28 18:52

自动驾驶数据集BDD训练mobileNet-SSD 2.md

自动驾驶数据集BDD训练mobileNet-SSD这次的博客准备接着上次的结果来写的，但是结果非常的不好，那这里就当作是上次的总结吧mobileNet-ssd在BDD数据集上训练收敛不了，尝试了很多方法
西红柿爱吃小番茄·2018-09-26 09:09

opencv学习笔记六十二：MobileNet实现对象检测

MobileNet是SSD模型的精简版，速度更快，因为SSD检测一百多个对象，而MobileNet只检测20种物体，速度比较快，可以实时检测。
东城青年·2018-09-26 08:33

MobileNet-SSD intel movidus sdk2.0实现

movidussdk升级过一个大的版本，以便支持多个图在同一个棒上运行，但是它给的例子基本都还是1.0的，然后通过一个模拟接口转换过去，这显然有违接口升级的初衷。在MigratingPythonApplicationsfromNCAPIv1toNCAPIv2曾提及转换的要点:1.0中的操作步骤基本是打开设备，读取图，加载图，加载张量，获取结果而到了2.0变成了打开设备，读取某张图，获取图对应的输入
迷若烟雨·2018-09-25 15:06
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他