- 博客(16)
- 收藏
- 关注
RSS订阅原创 YOLO-FIRI: Improved YOLOv5 for InfraredImage Object Detection
本文注重解决红外图像的问题。具体做法是在设计特征提取网络时，对浅层的跨阶段部分连接(CSP)模块进行扩展和迭代，最大限度地利用浅层特征；在残差块中引入改进的注意力模块，实现对目标的聚焦和背景的抑制；另外还改进了网络检测头结构，增加了多尺度目标检测层，采用四层空间金字塔池增加接收野，提高了小目标的检测精度。
2023-09-21 20:24:27
497
原创 YOLO-MS: Rethinking Multi-Scale Representation Learning for Real-time Object Detection
本文提出了一种能够增强多尺度特征表示的实时目标检测器YOLO-MS，核心设计是基于对不同核大小的卷积在不同尺度下如何影响目标检测性能的一系列研究。
2023-09-15 16:33:01
1135
1
原创 利用Pytorch实现Vision Transformer
ViT可以利用Transformer的强大的自注意力机制来捕捉图像中的全局依赖关系，而不需要使用卷积神经网络的局部感受野。它需要大量的数据和计算资源来训练，否则它的性能会比CNN差。
2023-07-05 18:40:00
853
3
原创 利用Pytorch实现EfficientNet网络
该网络的论文是Google在2019年发表的文章，作者同时探讨了输入图像分辨率和网络的深度、宽度对准确率的影响，通过网络搜索技术同时探索这三者的合理配置。
2023-05-13 22:40:19
1706
2
原创 利用Pytorch实现ShuffleNet网络
针对组卷积的group之间没有联系的问题，作者提出了channel shuffle的思想，并且在下一个版本的网络中提出了4条如何设计高效网络的准则，还对block进行了改进。
2023-05-10 19:39:55
982
2
原创 利用Pytorch实现MobileNet网络
MobileNet网络是Google团队在2017年提出的，是专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统CNN网络，在准确率小幅度降低的前提下大大减少了模型的参数和运算量。
2023-04-20 21:07:03
1813
1
原创 R-CNN、Fast R-CNN的原理
R-CNN的提出将目标检测领域的最高准确度至少提高了30%，而Fast R-CNN与R-CNN相比速度有了很大提升
2022-12-23 17:52:24
251
原创 利用Pytorch实现ResNet网络
ResNet在2015年由微软实验室提出，获得当年ImageNet竞赛中分类任务、目标检测第一名；获得COCO数据集目标检测、图像分割第一名
2022-11-21 20:35:00
4937
原创 利用Pytorch实现GoogLeNet网络
GoogLeNet是2014年Google团队提出的，获得当年ImageNet竞赛分类任务第一名
2022-10-25 16:30:50
3109
1
原创 利用pytorch实现VGG网络
VGG网络是2014年牛津大学的研究组VGG提出的，获得当年ImageNet竞赛定位任务第一名和分类任务第二名
2022-10-19 22:24:53
1544
原创 利用pytorch实现AlexNet网络
AlexNet网络是2010年的Imagnet图像识别大赛的冠军网络，跑完该网络能学到不少东西，对我入门深度学习有很大帮助
2022-10-18 20:34:43
2392
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人