tricks 第10页

目标检测算法——YOLOv5/YOLOv7改进之结合NAMAttention

关注”PandaCVer“公众号深度学习Tricks，第一时间送达目录NAMAttention，一种新的注意力计算方式，无需额外的参数！

加勒比海带66·2022-11-01 12:06

数据太大python跑不动怎么办_使用pytorch时，训练集数据太多达到上千万张，Dataloader加载很慢怎么办?...

知乎回答(欢迎点赞哦)：搬运到了github上：https://github.com/lartpang/PyTorchTricks有喜欢的可以三连下，或者继续补充哦！

Can Li·2022-10-31 03:59

计算机视觉：数据预处理与模型训练技巧总结

针对图像分类任务，提升准确率的方法路线有两条，一个是模型的修改，另一个是各种数据处理和训练的技巧(tricks)。图像分类中的各种技巧对于目标检测、图像分割等任务也有很好的作用，因此值得好好总结。

机器学习与AI生成创作·2022-10-30 07:07

论文投稿指南——计算机领域核心期刊

关注”PandaCVer“公众号深度学习Tricks，第一时间送达计算机核心期刊：1、计算机学报简介：《计算机学报》是中国计算机领域的权威学术刊物。

加勒比海带66·2022-10-25 19:51

论文投稿指南——SCI投稿各阶段邮件模板

关注“PandaCVer”公众号深度学习Tricks，第一时间送达目录01最初投稿CoverLetter02催稿信03修改稿——CoverLetter04修改稿——回答审稿人的意见05感谢信06询问校稿信件

加勒比海带66·2022-10-25 19:51

目标检测算法——YOLOv5结合ECA注意力机制

关注”PandaCVer“公众号深度学习Tricks，第一时间送达论文题目：《ECA-Net:EfficientChannelAttentionforDeepConvolutionalNeuralNetworks

加勒比海带66·2022-10-25 19:50

论文投稿指南——中文核心期刊

关注”PandaCVer“公众号深度学习Tricks，第一时间送达目录（一）国内三大核心1.中文社会科学引文索引（CSSCI/南大核心）2.中国科学引文数据库（CSCD）3.中文核心期刊要目（北大核心）

加勒比海带66·2022-10-25 19:50

目标检测算法——YOLOv5结合CA注意力机制

关注”PandaCVer“公众号深度学习Tricks，第一时间送达论文题目：《CoordinateAttentionforEfficientMobileNetWorkDesign》论文地址：https:

加勒比海带66·2022-10-25 19:20

目标检测算法——改进YOLOv5&无参注意力SimAM

关注”PandaCVer“公众号深度学习Tricks，第一时间送达目录SimAM：无参Attention！助力分类/检测/分割涨点！

加勒比海带66·2022-10-25 19:15

【论文解读】TPH-YOLOv5: Improved YOLOv5 Based on Transformer Prediction Head for Object Detection on Drone

文章提出的解决方法增加一个检测头来检测不同规模的对象用TransformerPredictionHeads来替代原先的检测头用CBAM来寻找具有密集对象的场景中的注意区域除了以上三点，还使用了一些常用的tricks

是王同学呀·2022-10-25 07:12

【论文笔记】TPH-yolov5 基于transformer的改进yolov5的无人机目标检测

TPH-yolov5–基于transformer的改进yolov5的无人机目标检测这里是原文~~原文本文在YOLOv5的基础上加入了一些新的技术，比如ViT、CBAM和一些Tricks（数据增广、多尺度测试等

crushqqi·2022-10-25 07:55

小目标神器！TPH-YOLOv5：将Transformer预测加载Yolov5！

本篇文章是北京航天航空大学尝试在Yolov5的基础上加入一些新的技巧tricks，最终将TransformerPred

SophiaCV·2022-10-25 07:24

目标检测的Tricks | 【Trick8】数据增强——随机旋转、平移、缩放、错切、hsv增强

如有错误，恳请指出。在之前使用opencv就介绍使用过一些常用的数据增强的实现方法，见：《数据增强|旋转、平移、缩放、错切、HSV增强》，当时介绍了旋转、平移、缩放、错切、HSV增强，但是只是针对了图像的数据增强，并没有涉及到label的变化。因为，对于分类任务的数据增强来说，只需要对图像进行数据增强就可以了；但是对于目标检测任务来说，图像改变了，也以为着label的位置改变，同样需要作出变换，所

Clichong·2022-10-24 10:39

目标检测的Tricks | 【Trick7】数据增强——Mosaic（马赛克）

文章目录1.Mosaic概要介绍2.Mosaic算法步骤3.Mosaic实现代码4.Mosaic代码说明1.Mosaic概要介绍mosaic是yolov4提出的一个tricks，其思路就是将四张图片进行随机裁剪

Clichong·2022-10-24 10:38

YOLOv5的Tricks | 【Trick12】YOLOv5使用的数据增强方法汇总

如有错误，恳请指出。时隔两个多月重新看yolov5的代码显然开始力不从心，当时应该一鼓作气的整理完的。在专栏前面的内容一直介绍的是yolov5训练时候使用的一些技巧，这里用这篇博客最后归纳一下yolov5在数据增强上所使用的技巧。在yolov3-spp专栏的时候，我介绍过yolov3-spp大致所使用的一些数据增强的方法：数据增强——Mosaic（马赛克）数据增强——随机旋转、平移、缩放、错切、h

Clichong·2022-10-24 10:33

pandas使用的25个技巧

本文翻译自https://nbviewer.jupyter.org/github/justmarkham/pandas-videos/blob/master/top_25_pandas_tricks.ipynb

山阴少年·2022-10-21 07:53

超越YOLOv7 | YOLOv6论文放出，各种Tricks大放异彩

点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【数据集下载】获取计算机视觉近30种数据集！多年来，YOLO系列一直是高效目标检测的行业标准。YOLO社区蓬勃发展，丰富了其在众多硬件平台和丰富场景中的使用。在这份技术报告力求将其极限推向新的高度，以坚定不移的行业应用心态向前迈进。考虑到真实环境中对速度和准确性的不同要求，作者广泛研究了来自工

自动驾驶之心·2022-10-21 07:20

论文投稿指南——准研究生们建议早点发小论文

关注”PandaCVer“公众号深度学习Tricks，第一时间送达目录准研究生们真的建议你们早点发小论文！！！按时毕业，避免错过提前申博的机会！！！

加勒比海带66·2022-10-19 11:57

YOLOv2目标检测算法——通俗易懂的解析

YOLOv2对YOLOv1做了很多的改进，如加了BN，anchor，多尺度训练等tricks。YOLOv2

I松风水月·2022-10-19 11:57

目标检测算法——10种深度学习框架介绍

关注”PandaCVer“公众号深度学习Tricks，第一时间送达目录一、什么是深度学习框架？

加勒比海带66·2022-10-19 11:57

目标检测算法——YOLOv5结合ConvNeXt结构

关注”PandaCVer“公众号深度学习Tricks，第一时间送达论文题目：AConvNetforthe2020s论文地址：https://arxiv.org/abs/2201.03545源代码：https

加勒比海带66·2022-10-19 11:56

目标检测算法——为什么我选择PyTorch？

关注”PandaCVer“公众号深度学习Tricks，第一时间送达目录一、PyTorch的诞生二、常见的深度学习框架（一）TensorFlow（二）Keras（三）Caffe/Caffe2三、为什么选择

加勒比海带66·2022-10-19 11:26

目标检测算法——YOLOv5改进|增加小目标检测层

关注”PandaCVer“公众号深度学习Tricks，第一时间送达小目标检测一直以来是CV领域的难点之一，那么，YOLOv5该如何增加小目标检测层呢？

加勒比海带66·2022-10-19 11:26

YOLOv5的Tricks | 【Trick1】关于激活函数Activation的改进汇总

如有错误，恳请指出。文章目录1.ReLU2.Swish3.Mish4.FReLU5.AconC/MetaAconC6.DynamicReLU在yolov5模型搭建的过程实现中，额外实现了很多非常新奇有趣的激活函数，不再是的简单nn.ReLU等，所以这里使用这篇笔记来对这一些列的激活函数进行总结归纳。关于激活函数，在很早之前我写过一篇笔记介绍，笔记链接：激活函数与Loss函数求导，在这里主要介绍的是

Clichong·2022-10-05 07:18

YOLOv5的Tricks | 【Trick10】从PyTorch Hub加载YOLOv5

如有错误，恳请指出。严格意义来说，这篇文章算不上是yolov5的一个训练技巧，而且yolov5的训练技巧在专栏之前的文章中基本已经都讲完了，之后可以会补充一些yolov5项目的其他内容。比如这篇，从PyTorchHub加载YOLOv5模型，不需要克隆https://github.com/ultralytics/yolov5不过很多朋友（包括我），在整理之前，还不知道pytorchhub是什么，所以

Clichong·2022-10-05 07:18

SSD PyTorch源码解析

github.com/NVIDIA/DeepLearningExamples/tree/master/PyTorch/Detection/SSD0.2代码改动NVIDIA复现的代码中有很多前沿的新技术（tricks

Le0v1n·2022-09-28 07:45

StrongSORT论文阅读笔记

写在前面：这篇论文是2022.02.28放在arxiv上的，是对DeepSORT的改进，其中用到了许多现有的网络的tricks，正好目前我在做目标跟踪方面的工作，感觉可以抄抄作业啦(美滋滋)。

Mobu59·2022-09-25 14:26

YOLOv5的Tricks | 【Trick6】学习率调整策略（One Cycle Policy、余弦退火等）

如有错误，恳请指出。文章目录0.Yolov5的学习率调整方案1.LRRangeTest2.CyclicalLR3.OneCyclePolicy4.SGDR5.AdamW、SGDW6.Pytorch的余弦退火学习率策略对于学习率的调整一直是个比较困难的问题，在yolov5中提供了两种学习率的调整方式，一种是线性调整，另外一种就是OneCyclePolicy。而在查找资料的过程中，了解到了其他的学习率

Clichong·2022-09-24 07:39

目标检测系列--YOLO V4

YOLOV4YOLOV4是YOLOV3的改进，相对于YOLOV3来说,YOLOV4做到如下改进：主干特征提取网络:由DarkNet53变成CSPDarkNet53特征金字塔：SPP,PAN分类回归层：同YOLOV3tricks

l_z_z_z·2022-09-22 11:07

Linux下安装Visual Basic6

Linux下安装VisualBasic6项目地址系统环境：DelianGNU/Linux11(内核5.1)+Wine7wine安装vb6官方英文教程wine安装vb6第三方英文教程安装winetricks

·2022-09-17 21:08

Fedora 34安装Wine、微信

参考文档：https://my.oschina.net/ztguang/blog/3192811系统环境：Fedorarelease34(ThirtyFour)安装顺序：1、通过软件中心安装Winetricks

lznfs·2022-09-15 10:04

详细解读TPH-YOLOv5 | 让目标检测任务中的小目标无处遁形

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文在YOLOv5的基础上加入了一些新的技术，比如ViT、CBAM和一些Tricks（数据增广、多尺度测试等），最终命名为TPH-YOLOv5

小白学视觉·2022-09-10 07:49

fastText-文本分类

1简介本文根据2016年《BagofTricksforEfficientTextClassification》翻译总结的。主要写了fastText，fasttextclassifier。

zephyr_wang·2022-09-02 07:07

YOLOv5的Tricks | 【Trick13】YOLOv5的detect.py脚本的解析与简化

如有错误，恳请指出。在之前介绍了一堆yolov5的训练技巧，train.py脚本也介绍得差不多了。之后还有detect和val两个脚本文件，还想把它们总结完。在之前测试yolov5训练好的模型时，用detect.py脚本简直不要太方便，觉得这个脚本集成了很多功能，今天就分析源码一探究竟。关于如何使用yolov5来训练自己的数据集在之前已经写了一篇文章记录过：yolov5的使用|训练Pascalvo

Clichong·2022-08-29 12:36

YOLOv5的Tricks | 【Trick14】YOLOv5的val.py脚本的解析

如有问题，恳请指出。这篇可能是这个系列最后的一篇了，最后把yolov5的验证过程大致的再介绍介绍，基本上把yolov5的全部内容就稍微过了一遍了，也是我自己对这个项目学习的结束。（补充一下，这里我介绍的yolov5-6.0版本的代码）这个脚本主要分为是三个部分：主体代码运行部分+指标计算部分+绘图部分，这里就主要介绍前两个部分的内容。细节比较多，比上一篇的detect.py脚本复杂很多，这里写得困

Clichong·2022-08-29 12:36

Latex--TikZ和PGF--高级文本绘图，思维绘图，想到--得到！

CLI和GUI是两种常见的绘图方式，前者是所想即所得（WYTIWYG）的，通过类编程的思想实现绘图，这种方式往往能够生成精确控制的函数图，常见的有PostScript、PGF、Asymptote、PSTricks

Tsingke·2022-08-26 18:20

tricks:图像分类涨点

原文：https://mp.weixin.qq.com/s/mIBhQitG_BbPZlbByc-GqQ涉及比赛：IntelImageClassification：https://www.kaggle.com/puneet6060/intel-image-classificationRecursionCellularImageClassification：https://www.kaggle.co

joyce_peng·2022-08-16 07:41

目标检测的Tricks | 【Trick5】学习率调优方法——warmup

如有错误，恳请指出。文章目录1.warmup理论概要2.warmup实现代码1.warmup理论概要warmup定义：在模型训练之初选用较小的学习率，训练一段时间之后（如：10epoches或10000steps）使用预设的学习率进行训练。warmup作用：因为模型的weights是随机初始化的，可以理解为训练之初模型对数据的“理解程度”为0（即：没有任何先验知识），在第一个epoches中，每个

Clichong·2022-08-15 07:02

MATLAB Tricks：提取论文曲线图中的数据（I）

在我们阅读文献、进行学术或工程研究的过程中，常常遇到一个问题：如何将论文中他人绘制的曲线图复原成由具体数值构成的数据表？这一问题，可能出现在多个场景中，比如当我们需要将自己的研究结果与他人所展示的结果进行对比时；比如我们的某部分工作需要以他人提供的数据为基础时。一般而言，对于学术论文中的曲线图和数据、公司提供的产品手册、某些机构公开的实验数据，我们可以通过邮件的方式联系作者以及相关人员以向其咨询并

忘了面孔的Batou·2022-08-09 11:18

NLP常见trick汇总及代码实现

一、背景在做项目或者打比赛的时候，经常会用到一些trick来提升模型表现，废话不多说，直接上干货二、常见tricks介绍1.对抗训练对抗训练的概念就是在原始输入样本上加一个扰动，得到对抗样本后，用其进行训练

数学是算法的灵魂·2022-08-09 07:31

【模型调参】【论文阅读】Bag of Tricks for Image Classification with Convolutional Neural Networks

本文根据论文BagofTricksforImageClassificationwithConvolutionalNeuralNetworks，总结了几种可以提高模型准确率的小技巧。

学渣渣渣渣渣·2022-07-29 07:18

论文笔记：YOLOX

-知乎YOLOX深度解析-知乎YOLOX深度解析（二）-simOTA详解-知乎改进点：各种tricks组合，效果很好Decoupledhead加快收敛速度、提高APStrongdataaugmentationaddMosaicandMixUpintoouraugm

_击空明兮溯流光_·2022-07-24 07:36

CV中的注意力机制学习笔记（下）

本专栏将从论文的角度解读一下CV方向的一些经典神经网络模型及其贡献与意义，以期加深自己的印象，后续可以随时翻看并且学习其中好的tricks。这一期接着记录一下CV中的注意力机制这几年的经典论文。

KeEN丶X·2022-07-19 07:24

聊一聊计算机视觉中常用的注意力机制附Pytorch代码实现

聊一聊计算机视觉中常用的注意力机制以及Pytorch代码实现注意力机制（Attention）是深度学习中常用的tricks，可以在模型原有的基础上直接插入，进一步增强你模型的性能。

肆十二·2022-07-17 07:03

Deeplav V3总结

DeeplavV3tricksDeepLab系列之V3+model使用其实就两步：1.下载model:(很多2.0以下的model，官方都把research删除了。

Astonc·2022-07-13 08:56

2020-11-23

图像分类13个项目的Tips和Tricks任何领域的成功都可以归结为一套小规则和基本原则，当它们结合在一起时会产生伟大的结果。

扫地的猴子·2022-07-04 07:33

图像分类训练技巧包（三）

CosineLearningRateDecayLabelSmoothingKnowledgeDistillationMixupTrainingResultTransferLearning迁移学习ObjectDetection目标检测SemanticSegmentation语义分割Reference论文名：BagofTricksforImageC

Richard_Rjd·2022-07-04 07:02

图像分类：来自Kaggle中13个项目的Tips和Tricks

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：PrinceCanuma编译：ronghuaiyang导读覆盖了模型相关的方方面面，从数据准备到模型的推理，每个阶段的方法和要点，非常多的参考资料，足够看一段时间了。任何领域的成功都可以归结为一套小规则和基本原则，当它们结合在一起时会产生伟大的结果。机器学习和图像分类也不例外，工程师们可以通过参加像Kaggle这样的竞赛来展示最佳实践

ronghuaiyang·2022-07-04 07:26

目标检测学习笔记——相关资料、竞赛及trick

人眼观察图像是否有认为旋转，色彩对比度，裁剪等二、数据增强/数据处理（在线、离线）三、postprocess四、模型集成五、训练采样六、模型部分1、backbone2、neck3、activation4、DCN、CNN七、tricks

phily123·2022-07-04 07:50

Pytorch（六） —— 模型调优tricks

Pytorch（六）——模型调优tricks1.正则化Regularization1.1L1正则化1.2L2正则化2动量与学习率衰减2.1momentum2.2learningratetunning3.

CyrusMay·2022-07-04 07:07

推荐频道

tricks