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

CentripetalNet:更合理的角点匹配,多方面改进CornerNet | CVPR 2020

<blockquoteCentripetalNet的核心在于新的角点匹配方式,额外学习一个向心偏移值,偏移值足够小的角点即为匹配,相对于embedding向量的匹配方式,这种方法更为鲁棒,解释性更好。另外论文提出的十字星变形卷积也很好地贴合角点目标检测的场景,增强角点特征<br/ <br

ExtremeNet:通过极点进行目标检测,更细致的目标区域 | CVPR 2019

<blockquoteExtremeNet检测目标的四个极点,然后以几何的方式将其组合起来进行目标检测,性能与其它传统形式的检测算法相当。ExtremeNet的检测方法十分独特,但是包含了较多的后处理方法,所以有很大的改进空间,感兴趣可以去看看论文实验中的错误分析部分<br/ <br/

NetAdapt:MobileNetV3用到的自动化网络简化方法 | ECCV 2018

<blockquoteNetAdapt的思想巧妙且有效,将优化目标分为多个小目标,并且将实际指标引入到优化过程中,能够自动化产生一系列平台相关的简化网络,不仅搜索速度快,而且得到简化网络在准确率和时延上都于较好的表现<br/ <br/来源:晓飞的算法工程笔记公众号</blockq

超级全面人工智能数据集汇总(每周快速增加中...)

人工智能行业的数据集很多,但是当遇到项目时,如何去搜集数据?是个头疼的问题。为了便于大家搜集训练数据,且一目了然的查看。大白将数百个数据集,按照不同的类别,不同的功能,详细的分类汇总。大家可以根据需要,选择查看下载,助你训练快人一步。PS:本页面的数据集汇总,

DARTS:基于梯度下降的经典网络搜索方法,开启端到端的网络搜索 | ICLR 2019

<blockquoteDARTS是很经典的NAS方法,它的出现打破了以往的离散的网络搜索模式,能够进行endtoend的网络搜索。由于DARTS是基于梯度进行网络更新的,所以更新的方向比较准确,搜索时间相当于之前的方法有很大的提升,CIFAR10的搜索仅需要4GPUdays。<br/

IGC系列:全分组卷积网络,分组卷积极致使用 | 轻量级网络

<blockquoteIGC系列网络的核心在分组卷积的极致运用,将常规卷积分解成多个分组卷积,能够减少大量参数,另外互补性原则和排序操作能够在最少的参数量情况下保证分组间的信息流通。但整体而言,虽然使用IGC模块后参数量和计算量降低了,但网络结构变得更为繁琐,可能导致在真实使用时速度变慢<br

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。