HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

AmoebaNet:经费在燃烧,谷歌提出基于aging evolution的神经网络搜索 | AAAI 2019

<blockquote论文提出agingevolution,一个锦标赛选择的变种来优化进化算法,在NASNet搜索空间上,对比强化学习和随机搜索,该算法足够简洁,而且能够更快地搜索到更高质量的模型,论文搜索出的AmoebaNetA在ImageNet上能达到SOTA<br/ <br/来源

Objects as Points:预测目标中心,无需NMS等后处理操作 | CVPR 2019

<blockquote论文基于关键点预测网络提出CenterNet算法,将检测目标视为关键点,先找到目标的中心点,然后回归其尺寸。对比上一篇同名的CenterNet算法,本文的算法更简洁且性能足够强大,不需要NMS等后处理方法,能够拓展到其它检测任务中<br/ <br/来源:晓飞的算法

数据降维:主成分分析法

前言什么叫做主成分分析法,我们先看一张图椭圆的图,如果让你找一条线,使得椭圆上所有点在该线上映射的点最分散,保留下来的信息最多,你会怎么选择这条线?若是下图,会选择水平线,这是用一维的方式去尽可能多的表示二维的数据,那么多维的数据呢,是否可以用较低维的数据尽可能表示。!m17(h

CPNDet:粗暴地给CenterNet加入two-stage精调,更快更强 | ECCV 2020

<blockquote本文为CenterNet作者发表的,论文提出anchorfree/twostage目标检测算法CPN,使用关键点提取候选框再使用两阶段分类器进行预测。论文整体思路很简单,但CPN的准确率和推理速度都很不错,比原本的关键点算法更快,源码也会公开,到时可以一试<br/ 

CornerNet:经典keypoint-based方法,通过定位角点进行目标检测 | ECCV2018

<blockquote论文提出了CornerNet,通过检测角点对的方式进行目标检测,与当前的SOTA检测模型有相当的性能。CornerNet借鉴人体姿态估计的方法,开创了目标检测领域的一个新框架,后面很多论文都基于CorerNet的研究拓展出新的角点目标检测<br/ <br/来源:晓

让机器有温度:带你了解文本情感分析的两种模型

<blockquote摘要:本篇博文从模型和算法的视角,分别介绍了基于统计方法的情感分析模型和基于深度学习的情感分析模型。</blockquote文本情感分析(SentimentAnalysis)是指利用自然语言处理和文本挖掘技术,对带有情感色彩的主观性文本进行分析、处理和抽取的过程。目前

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。