人工智能 | ShowMeAI资讯日报 #2022.06.27

小白学习图像处理6——Canny边缘检测算法原理 目录结构一、高斯滤波二、梯度计算1、原理2、代码如下三、非极大值抑制三、双阈值检测四、matlab 的 edge函数五、总结 Canny边缘检测算法主要步骤:高斯滤波、梯度计算、非极大值抑制和双阈值检测。 一、高斯滤波   使用高斯滤波的目的是平滑图像,滤除图像中的部分噪声(因为微分算子对噪声很敏感)。高斯滤波具体办法是生成一个高斯模板,使用卷积进行时域滤波: img = im2double(im... 阅读详情

ShowMeAI日报系列全新升级!覆盖AI人工智能 工具&框架 | 项目&代码 | 博文&分享 | 数据&资源 | 研究&论文 等方向。点击查看 历史文章列表,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。点击 专题合辑&电子月刊 快速浏览各专题全集。点击 这里 回复关键字 日报 免费获取AI电子月刊与资料包。

1.工具&框架

工具库:ClearML - 开源的机器学习工具包,自带简洁美观的可视化界面

tags: [机器学习,建模,可视化,工具包]

该工具可用于简化机器学习开发、运维流程,自动完成实验跟踪与结果记录,并提供了灵活多变的数据管理方案。

GitHub: https://github.com/allegroai/clearml

工具库:Movenet.Pytorch - 用PyTorch重写的MoveNet人体关键点检测

tags: [关键点检测,pytorch,MoveNet]

‘Movenet.Pytorch - A Pytorch implementation of MoveNet from Google. Include training code and pre-trained model.’ by Mr.Fire

GitHub: https://github.com/fire717/movenet.pytorch

工具:Beekeeper Studio - 跨平台 SQL 编辑器

tags: [SQL编辑器,工具]

Beekeeper Studio提供 SQL 语法高亮、自动补全、数据表内容筛选与过滤、连接 Web 数据库、存储历史查询记录等功能。支持 SQLite、MySQL、MariaDB、Postgres 等主流数据库,并兼容 Windows、macOS、Linux 等桌面操作系统。

GitHub: https://github.com/beekeeper-studio/beekeeper-studio

工具:Think(云策文档) - 开源知识管理工具

tags: [知识管理,工具]

Think内置知识库、思维导图、文档模板、在线编辑器等多种工具。可通过独立的知识库空间,结构化地组织在线协作文档,实现知识的积累与沉淀,促进知识的复用与流通。

GitHub: https://github.com/fantasticit/think

工具:dashy - 高度可定制化、自托管的服务器启动页构建工具

tags: [服务器启动页,定制化,自托管]

dashy自带可视化编辑器、状态检测系统,并拥有各类丰富的组件及主题。可为不同应用快速搭建一个服务器管理面板,并基于各种组件、图标、主题,完成自定义配置,项目内置身份验证、状态监测、搜索、备份、可视化配置、多语言支持等功能。

GitHub: https://github.com/Lissy93/dashy

2.项目&代码

代码:各种注意力机制的PyTorch实现

tags: [注意力机制,pytorch]

’External-Attention-pytorch - Pytorch implementation of various Attention Mechanism’ by xmu-xiaoma66

GitHub: https://github.com/xmu-xiaoma666/External-Attention-pytorch

3.博文&分享

分享:Machine Learning Interview - 机器学习面试题库

tags: [机器学习,面试,题库]

收录了世界各大互联网公司的机器学习面试题。包括概率与统计、大数据、AB 测试、机器学习与深度学习领域的速查表、面试准备、学习指南、项目用例、面试经验等内容。

GitHub: https://github.com/khangich/machine-learning-interview

分享:《剑指 Offer》 Python, Java, C++ 解题代码,LeetBook《图解算法数据结构》配套代码

tags: [数据结构,算法,剑指offer,LeetCode]

GitHub: https://github.com/krahets/LeetCode-Book

4.数据&资源

数据集:internet-dataset - 通过搜索引擎获取的各种数据集

tags: [互联网数据,搜索引擎,数据集]

数据集整体数据量将近 50G,其中包括域名、网页、反向索引等数据。

GitHub: https://github.com/RimoChan/internet-dataset

5.研究&论文

可以点击 这里 回复关键字 日报,免费获取整理好的6月论文合辑。

论文:EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation

论文标题:EPro-PnP: Generalized End-to-End Probabilistic Perspective-n-Points for Monocular Object Pose Estimation

论文时间:CVPR 2022

所属领域:计算机视觉

对应任务:3D Object Detection,6D Pose Estimation using RGB,object-detection,三维物体检测,使用RGB进行6维姿势估计,物体检测

论文地址:https://arxiv.org/abs/2203.13254

代码实现:https://github.com/tjiiv-cprg/epro-pnp

论文作者:Hansheng Chen, Pichao Wang, Fan Wang, Wei Tian, Lu Xiong, Hao Li

论文简介:The 2D-3D coordinates and corresponding weights are treated as intermediate variables learned by minimizing the KL divergence between the predicted and target pose distribution./2D-3D坐标和相应的权重被视为中间变量,通过最小化预测和目标姿势分布之间的KL散度来学习。

论文摘要:Locating 3D objects from a single RGB image via Perspective-n-Points (PnP) is a long-standing problem in computer vision. Driven by end-to-end deep learning, recent studies suggest interpreting PnP as a differentiable layer, so that 2D-3D point correspondences can be partly learned by backpropagating the gradient w.r.t. object pose. Yet, learning the entire set of unrestricted 2D-3D points from scratch fails to converge with existing approaches, since the deterministic pose is inherently non-differentiable. In this paper, we propose the EPro-PnP, a probabilistic PnP layer for general end-to-end pose estimation, which outputs a distribution of pose on the SE(3) manifold, essentially bringing categorical Softmax to the continuous domain. The 2D-3D coordinates and corresponding weights are treated as intermediate variables learned by minimizing the KL divergence between the predicted and target pose distribution. The underlying principle unifies the existing approaches and resembles the attention mechanism. EPro-PnP significantly outperforms competitive baselines, closing the gap between PnP-based method and the task-specific leaders on the LineMOD 6DoF pose estimation and nuScenes 3D object detection benchmarks.

通过Perspective-n-Points(PnP)从单一的RGB图像中定位3D物体是计算机视觉中一个长期存在的问题。在端到端深度学习的驱动下,最近的研究建议将PnP解释为一个可微分层,这样就可以通过反向传播物体姿势的梯度来部分地学习2D-3D点对应关系。然而,从头开始学习整个无限制的2D-3D点集在现有的方法中无法收敛,因为确定的姿势本身就是不可微分的。在本文中,我们提出了Pro-PnP,一个用于一般端到端姿势估计的概率PnP层,它输出SE(3)流形上的姿势分布,本质上是将分类的Softmax带到连续域。2D-3D坐标和相应的权重被视为中间变量,通过最小化预测和目标姿势分布之间的KL散度来学习。其基本原理统一了现有的方法,类似于注意力机制。EPro-PnP明显优于竞争基准,在LineMOD 6DoF姿势估计和nuScenes三维物体检测基准上缩小了基于PnP的方法与特定任务领导者之间的差距。

论文:EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture for Mobile Vision Applications

论文标题:EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture for Mobile Vision Applications

论文时间:21 Jun 2022

所属领域:计算机视觉

对应任务:Byronfex,Image Classification,Object Detection,Semantic Segmentation,图像分类,物体检测,语义分割

论文地址:https://arxiv.org/abs/2206.10589

代码实现:https://github.com/mmaaz60/EdgeNeXt

论文作者:Muhammad Maaz, Abdelrahman Shaker, Hisham Cholakkal, Salman Khan, Syed Waqas Zamir, Rao Muhammad Anwer, Fahad Shahbaz Khan

论文简介:Our EdgeNeXt model with 1. 3M parameters achieves 71. 2% top-1 accuracy on ImageNet-1K, outperforming MobileViT with an absolute gain of 2. 2% with 28% reduction in FLOPs./我们的EdgeNeXt模型用1.3M的参数在ImageNet-1K上实现了71. 2%的top-1准确性,比MobileViT的绝对收益高出2.2%,FLOPs减少28%。

论文摘要:In the pursuit of achieving ever-increasing accuracy, large and complex neural networks are usually developed. Such models demand high computational resources and therefore cannot be deployed on edge devices. It is of great interest to build resource-efficient general purpose networks due to their usefulness in several application areas. In this work, we strive to effectively combine the strengths of both CNN and Transformer models and propose a new efficient hybrid architecture EdgeNeXt. Specifically in EdgeNeXt, we introduce split depth-wise transpose attention (SDTA) encoder that splits input tensors into multiple channel groups and utilizes depth-wise convolution along with self-attention across channel dimensions to implicitly increase the receptive field and encode multi-scale features. Our extensive experiments on classification, detection and segmentation tasks, reveal the merits of the proposed approach, outperforming state-of-the-art methods with comparatively lower compute requirements. Our EdgeNeXt model with 1.3M parameters achieves 71.2% top-1 accuracy on ImageNet-1K, outperforming MobileViT with an absolute gain of 2.2% with 28% reduction in FLOPs. Further, our EdgeNeXt model with 5.6M parameters achieves 79.4% top-1 accuracy on ImageNet-1K. The code and models are publicly available at https://github.com/mmaaz60/EdgeNeXt

为了追求不断提高的准确性,通常会开发大型复杂的神经网络。这种模型需要高计算资源,因此不能部署在边缘设备上。由于其在多个应用领域的实用性,建立资源效率高的通用网络是非常有意义的。在这项工作中,我们努力有效地结合CNN和Transformer模型的优势,并提出了一个新的高效混合架构EdgeNeXt。具体来说,在EdgeNeXt中,我们引入了分割深度转置注意力(SDTA)编码器,将输入张量分割成多个通道组,并利用深度卷积以及跨通道维度的自我注意力来隐含地增加感受野和编码多尺度特征。我们对分类、检测和分割任务进行了广泛的实验,揭示了所提出的方法的优点,以相对较低的计算要求超越了最先进的方法。我们的EdgeNeXt模型有130万个参数,在ImageNet-1K上达到了71.2%的top-1准确率,比MobileViT的绝对收益高2.2%,FLOPs减少28%。此外,我们的EdgeNeXt模型有5.6M的参数,在ImageNet-1K上达到了79.4%的最高准确率。这些代码和模型可在 https://github.com/mmaaz60/EdgeNeXt 公开获取。

论文:RegionCLIP: Region-based Language-Image Pretraining

论文标题:RegionCLIP: Region-based Language-Image Pretraining

论文时间:CVPR 2022

所属领域:计算机视觉

对应任务:Image Classification,object-detection,Object Detection,Transfer Learning,图像分类,物体检测,迁移学习

论文地址:https://arxiv.org/abs/2112.09106

代码实现:https://github.com/microsoft/regionclip

论文作者:Yiwu Zhong, Jianwei Yang, Pengchuan Zhang, Chunyuan Li, Noel Codella, Liunian Harold Li, Luowei Zhou, Xiyang Dai, Lu Yuan, Yin Li, Jianfeng Gao

论文简介:However, we show that directly applying such models to recognize image regions for object detection leads to poor performance due to a domain shift: CLIP was trained to match an image as a whole to a text description, without capturing the fine-grained alignment between image regions and text spans./然而,我们表明,直接应用这样的模型来识别图像区域进行物体检测,会因为领域变化而导致性能不佳。CLIP被训练为将图像整体与文本描述相匹配,而没有捕捉到图像区域和文本跨度之间的细粒度对齐。

论文摘要:Contrastive language-image pretraining (CLIP) using image-text pairs has achieved impressive results on image classification in both zero-shot and transfer learning settings. However, we show that directly applying such models to recognize image regions for object detection leads to poor performance due to a domain shift: CLIP was trained to match an image as a whole to a text description, without capturing the fine-grained alignment between image regions and text spans. To mitigate this issue, we propose a new method called RegionCLIP that significantly extends CLIP to learn region-level visual representations, thus enabling fine-grained alignment between image regions and textual concepts. Our method leverages a CLIP model to match image regions with template captions and then pretrains our model to align these region-text pairs in the feature space. When transferring our pretrained model to the open-vocabulary object detection tasks, our method significantly outperforms the state of the art by 3.8 AP50 and 2.2 AP for novel categories on COCO and LVIS datasets, respectively. Moreoever, the learned region representations support zero-shot inference for object detection, showing promising results on both COCO and LVIS datasets. Our code is available at https://github.com/microsoft/RegionCLIP

使用图像-文本对的对比性语言-图像预训练(CLIP)在零样本和迁移学习设置中的图像分类上取得了令人印象深刻的结果。然而,我们表明,由于领域的转移,直接应用这种模型来识别图像区域进行物体检测会导致性能不佳。CLIP被训练成将图像作为一个整体与文本描述相匹配,而没有捕捉到图像区域和文本跨度之间的细粒度对齐。为了缓解这个问题,我们提出了一种叫做RegionCLIP的新方法,它极大地扩展了CLIP来学习区域级的视觉表征,从而使图像区域和文本概念之间的细粒度对齐。我们的方法利用CLIP模型将图像区域与模板说明相匹配,然后预训练我们的模型在特征空间中对齐这些区域-文本对。当把我们的预训练模型迁移到开放词汇的物体检测任务中时,我们的方法在COCO和LVIS数据集的新类别上分别以3.8AP50和2.2AP的成绩大大超过了现有技术水平。此外,学习到的区域表征支持物体检测的零样本推断,在COCO和LVIS数据集上都显示出很好的效果。我们的代码可在 https://github.com/microsoft/RegionCLIP 获取。

论文:Nocturne: a scalable driving benchmark for bringing multi-agent learning one step closer to the real world

论文标题:Nocturne: a scalable driving benchmark for bringing multi-agent learning one step closer to the real world

论文时间:20 Jun 2022

对应任务:Imitation Learning,模仿学习

论文地址:https://arxiv.org/abs/2206.09889

代码实现:https://github.com/facebookresearch/nocturne

论文作者:Eugene Vinitsky, Nathan Lichtlé, Xiaomeng Yang, Brandon Amos, Jakob Foerster

论文简介:We introduce \textit{Nocturne}, a new 2D driving simulator for investigating multi-agent coordination under partial observability./我们介绍了Nocturne,一个新的二维驾驶模拟器,用于研究部分可观察性下的多Agent协调。

论文摘要:We introduce \textit{Nocturne}, a new 2D driving simulator for investigating multi-agent coordination under partial observability. The focus of Nocturne is to enable research into inference and theory of mind in real-world multi-agent settings without the computational overhead of computer vision and feature extraction from images. Agents in this simulator only observe an obstructed view of the scene, mimicking human visual sensing constraints. Unlike existing benchmarks that are bottlenecked by rendering human-like observations directly using a camera input, Nocturne uses efficient intersection methods to compute a vectorized set of visible features in a C++ back-end, allowing the simulator to run at 2000+ steps-per-second. Using open-source trajectory and map data, we construct a simulator to load and replay arbitrary trajectories and scenes from real-world driving data. Using this environment, we benchmark reinforcement-learning and imitation-learning agents and demonstrate that the agents are quite far from human-level coordination ability and deviate significantly from the expert trajectories.

我们介绍了Nocturne,这是一个新的二维驾驶模拟器,用于研究部分可观察性下的多Agent协调。Nocturne的重点是在没有计算机视觉和图像特征提取的计算开销的情况下,在现实世界的多Agent环境中进行推理和思维理论的研究。该模拟器中的代理只观察场景的遮挡视图,模仿人类的视觉感应限制。与现有的基准不同,Nocturne使用高效的交叉方法来计算C++后端可见特征的矢量集,使模拟器能够以每秒2000多步的速度运行。利用开源的轨迹和地图数据,我们构建了一个模拟器来加载和重放真实世界驾驶数据中的任意轨迹和场景。利用这个环境,我们对强化学习和模仿学习的代理进行了基准测试,并证明这些代理与人类水平的协调能力相差甚远,并明显偏离专家的轨迹。

论文:Voxel-MAE: Masked Autoencoders for Pre-training Large-scale Point Clouds

论文标题:Voxel-MAE: Masked Autoencoders for Pre-training Large-scale Point Clouds

论文时间:20 Jun 2022

所属领域:计算机视觉

对应任务:3D Object Detection,object-detection,Object Detection,Self-Supervised Learning,3D物体检测,物体检测,自监督学习

论文地址:https://arxiv.org/abs/2206.09900

代码实现:https://github.com/chaytonmin/voxel-mae

论文作者:Chen Min, Dawei Zhao, Liang Xiao, Yiming Nie, Bin Dai

论文简介:As the point clouds in 3D object detection is large-scale, it is impossible to reconstruct the input point clouds./由于三维物体检测中的点云是大规模的,不可能对输入的点云进行重构。

论文摘要:Mask-based pre-training has achieved great success for self-supervised learning in image, video and language, without manually annotated supervision. However, as information redundant data, it has not yet been studied in the field of 3D object detection. As the point clouds in 3D object detection is large-scale, it is impossible to reconstruct the input point clouds. In this paper, we propose a mask voxel classification network for large-scale point clouds pre-training. Our key idea is to divide the point clouds into voxel representations and classify whether the voxel contains point clouds. This simple strategy makes the network to be voxel-aware of the object shape, thus improving the performance of 3D object detection. Extensive experiments show great effectiveness of our pre-trained model with 3D object detectors (SECOND, CenterPoint, and PV-RCNN) on three popular datasets (KITTI, Waymo, and nuScenes). Codes are publicly available at https://github.com/chaytonmin/voxel-mae.

基于Mask/掩码的预训练在图像、视频和语言的自监督学习中取得了巨大的成功,不需要人工标注监督。然而,作为信息冗余的数据,它在三维物体检测领域还没有被研究。由于三维物体检测中的点云是大规模的,不可能对输入的点云进行重构。在本文中,我们提出了一个用于大规模点云预训练的掩码体素分类网络。我们的关键思想是将点云划分为体素表征,并对体素是否包含点云进行分类。这种简单的策略使得网络对物体形状具有体素感知能力,从而提高了三维物体检测的性能。广泛的实验表明,我们的预训练模型与三维物体检测器(SECOND、CenterPoint和PV-RCNN)在三个流行的数据集(KITTI、Waymo和nuScenes)上的效果非常好。代码可在 https://github.com/chaytonmin/voxel-mae 上公开获取。

论文:Global Context Vision Transformers

论文标题:Global Context Vision Transformers

论文时间:20 Jun 2022

所属领域:计算机视觉

对应任务:Image Classification,Inductive Bias,Instance Segmentation,object-detection,Object Detection,Semantic Segmentation,图像分类,归纳偏置,实例分割,物体检测,语义分割

论文地址:https://arxiv.org/abs/2206.09959

代码实现:https://github.com/nvlabs/gcvit

论文作者:Ali Hatamizadeh, Hongxu Yin, Jan Kautz, Pavlo Molchanov

论文简介:We propose global context vision transformer (GC ViT), a novel architecture that enhances parameter and compute utilization./我们提出了全局上下文视觉transformer(GC ViT),这是一种能提高参数和计算利用率的新型架构。

论文摘要:We propose global context vision transformer (GC ViT), a novel architecture that enhances parameter and compute utilization. Our method leverages global context self-attention modules, joint with local self-attention, to effectively yet efficiently model both long and short-range spatial interactions, without the need for expensive operations such as computing attention masks or shifting local windows. In addition, we address the issue of lack of the inductive bias in ViTs via proposing to use a modified fused inverted residual blocks in our architecture. Our proposed GC ViT achieves state-of-the-art results across image classification, object detection and semantic segmentation tasks. On ImageNet-1K dataset for classification, the base, small and tiny variants of GC ViT with 28M, 51M and 90M parameters achieve 83.2%, 83.9% and 84.4% Top-1 accuracy, respectively, surpassing comparably-sized prior art such as CNN-based ConvNeXt and ViT-based Swin Transformer by a large margin. Pre-trained GC ViT backbones in downstream tasks of object detection, instance segmentation, and semantic segmentation using MS COCO and ADE20K datasets outperform prior work consistently, sometimes by large margins. Code available at https://github.com/nvlabs/gcvit

我们提出了全局上下文视觉transformer(GC ViT),这是一种新型的架构,可以提高参数和计算的利用率。我们的方法利用全局上下文自我注意模块,与局部自我注意相结合,有效地对长距离和短距离的空间互动进行建模,而不需要进行昂贵(计算)的操作,如计算注意掩码或滑动局部窗口。此外,我们通过建议在我们的架构中使用改进的融合倒置残差块来解决ViTs中缺乏归纳偏置的问题。我们提出的GC ViT在图像分类、物体检测和语义分割任务中取得了最先进的成果。在ImageNet-1K数据集的分类中,具有28M、51M和90M参数的GC ViT的基础、小型和微型变体分别达到83.2%、83.9%和84.4%的Top-1准确率,大大超过了基于CNN的ConvNeXt和基于ViT的Swin Transformer等规模相当的现有技术。在使用MS COCO和ADE20K数据集进行对象检测、实例分割和语义分割的下游任务中,预先训练的GC ViT骨干一直优于先前的工作,甚至超出很多。代码可在 https://github.com/nvlabs/gcvit 获取。

论文:EnvPool: A Highly Parallel Reinforcement Learning Environment Execution Engine

论文标题:EnvPool: A Highly Parallel Reinforcement Learning Environment Execution Engine

论文时间:21 Jun 2022

所属领域:强化学习

对应任务:reinforcement-learning,强化学习

论文地址:https://arxiv.org/abs/2206.10558

代码实现:https://github.com/sail-sg/envpool , https://github.com/vwxyzjn/envpool-cleanrl , https://github.com/vwxyzjn/cleanrl , https://github.com/Denys88/rl_games

论文作者:Jiayi Weng, Min Lin, Shengyi Huang, Bo Liu, Denys Makoviichuk, Viktor Makoviychuk, Zichen Liu, Yufan Song, Ting Luo, Yukun Jiang, Zhongwen Xu, Shuicheng Yan

论文简介:On a high-end machine, EnvPool achieves 1 million frames per second for the environment execution on Atari environments and 3 million frames per second on MuJoCo environments./在一台高端机器上,EnvPool在Atari环境下的执行速度达到每秒100万帧,在MuJoCo环境下达到每秒300万帧。

论文摘要:There has been significant progress in developing reinforcement learning (RL) training systems. Past works such as IMPALA, Apex, Seed RL, Sample Factory, and others aim to improve the system’s overall throughput. In this paper, we try to address a common bottleneck in the RL training system, i.e., parallel environment execution, which is often the slowest part of the whole system but receives little attention. With a curated design for paralleling RL environments, we have improved the RL environment simulation speed across different hardware setups, ranging from a laptop, and a modest workstation, to a high-end machine like NVIDIA DGX-A100. On a high-end machine, EnvPool achieves 1 million frames per second for the environment execution on Atari environments and 3 million frames per second on MuJoCo environments. When running on a laptop, the speed of EnvPool is 2.8 times of the Python subprocess. Moreover, great compatibility with existing RL training libraries has been demonstrated in the open-sourced community, including CleanRL, rl_games, DeepMind Acme, etc. Finally, EnvPool allows researchers to iterate their ideas at a much faster pace and has the great potential to become the de facto RL environment execution engine. Example runs show that it takes only 5 minutes to train Atari Pong and MuJoCo Ant, both on a laptop. EnvPool has already been open-sourced at https://github.com/sail-sg/envpool.

在开发强化学习(RL)训练系统方面已经取得了重大进展。过去的工作,如IMPALA、Apex、Seed RL、Sample Factory等,旨在提高系统的整体吞吐量。在本文中,我们试图解决RL训练系统中的一个常见瓶颈,即并行环境执行,这往往是整个系统中最慢的部分,但却很少受到关注。通过对RL环境的并行化设计,我们在不同的硬件设置上提高了RL环境的模拟速度,从笔记本电脑、普通的工作站到NVIDIA DGX-A100这样的高端机器。在高端机器上,EnvPool在Atari环境下的执行速度达到每秒100万帧,在MuJoCo环境下达到每秒300万帧。在笔记本电脑上运行时,EnvPool的速度是Python子进程的2.8倍。此外,与现有RL训练库的极大兼容性已在开源社区得到证明,包括CleanRL、rl_games、DeepMind Acme等。最后,EnvPool允许研究人员以更快的速度迭代他们的想法,并具有成为事实上的RL环境执行引擎的巨大潜力。运行实例表明,在笔记本电脑上训练Atari Pong和MuJoCo Ant只需要5分钟。EnvPool已经在https://github.com/sail-sg/envpool 上开源了。

论文:How Well Do Sparse Imagenet Models Transfer?

论文标题:How Well Do Sparse Imagenet Models Transfer?

论文时间:CVPR 2022

所属领域:计算机视觉

对应任务:Transfer Learning,迁移学习

论文地址:https://arxiv.org/abs/2111.13445

代码实现:https://github.com/neuralmagic/deepsparse

论文作者:Eugenia Iofinova, Alexandra Peste, Mark Kurtz, Dan Alistarh

论文简介:Transfer learning is a classic paradigm by which models pretrained on large “upstream” datasets are adapted to yield good results on “downstream” specialized datasets./迁移学习是一种经典范式,通过这种范式,在大型 "上游 "数据集上预训练的模型被调整为在 "下游 "专门数据集上产生良好的结果。

论文摘要:Transfer learning is a classic paradigm by which models pretrained on large “upstream” datasets are adapted to yield good results on “downstream” specialized datasets. Generally, more accurate models on the “upstream” dataset tend to provide better transfer accuracy “downstream”. In this work, we perform an in-depth investigation of this phenomenon in the context of convolutional neural networks (CNNs) trained on the ImageNet dataset, which have been pruned - that is, compressed by sparsifying their connections. We consider transfer using unstructured pruned models obtained by applying several state-of-the-art pruning methods, including magnitude-based, second-order, re-growth, lottery-ticket, and regularization approaches, in the context of twelve standard transfer tasks. In a nutshell, our study shows that sparse models can match or even outperform the transfer performance of dense models, even at high sparsities, and, while doing so, can lead to significant inference and even training speedups. At the same time, we observe and analyze significant differences in the behaviour of different pruning methods.

迁移学习是一个经典的范式,通过对大型 "上游 "数据集的预训练,使模型在 "下游 "专业数据集上产生良好的结果。一般来说,在 "上游 "数据集上更准确的模型往往能在 "下游 "提供更好的迁移精度。在这项工作中,我们在ImageNet数据集上训练的卷积神经网络(CNN)的背景下对这一现象进行了深入调查,这些卷积神经网络已经被修剪过,也就是说,通过疏散连接来压缩模型。我们考虑使用非结构化的修剪模型进行迁移,这些模型是通过应用几种最先进的修剪方法获得的,包括基于量级的、二阶的、再生长的、抽签的和正则化的方法,在12个标准迁移任务的背景下。简而言之,我们的研究表明,稀疏模型可以匹配甚至超越密集模型的迁移性能,即使是在高稀疏度的情况下,而且,在这样做的同时,可以导致显著的推理甚至训练速度的提高。同时,我们观察并分析了不同剪枝方法的行为的显著差异。

我们是 ShowMeAI,致力于传播AI优质内容,分享行业解决方案,用知识加速每一次技术成长!点击查看 历史文章列表,在公众号内订阅话题 #ShowMeAI资讯日报,可接收每日最新推送。点击 专题合辑&电子月刊 快速浏览各专题全集。点击 这里 回复关键字 日报 免费获取AI电子月刊与资料包。

Halcon VariableInspect (变量检查拓展)安装指南 网址2; 阅读详情

相关推荐

EndNote全文检索实战:如何快速配置学校图书馆资源并精准查找文献

本文详细介绍了EndNote全文检索功能的实战配置方法,核心在于通过正确设置OpenURL链接解析器,无缝对接学校图书馆资源,实现一键精准获取文献全文。文章提供了从理解机制、四步配置法到进阶技巧的完整指南,帮助科研人员高效管理海量PDF,构建个人知识体系,大幅提升文献调研与写作效率。

weixin_29228781的博客 280

一款开源可独立部署的知识管理工具!!

该系统通过独立的知识库空间,结构化地组织在线协作文档,实现知识的积累与沉淀,促进知识的复用与流通。同时支持多人协作文档。云策文档设计了明确的权限管理,方便文档的公开程度,权限架构为:组织 -> 知识库 -> 文档,即:一个组织下可包含若干个知识库,一个知识库下包含若干个文档。其中知识库的成员(以及权限)继承至组织,文档的成员(以及权限)继承至知识库,可单独修改。

java_121388的博客 681

数字图像处理基础实验(二):直方图均衡化

一、实验内容及原理 1、计算灰度图像的归一化直方图 具体内容:利用 OpenCV 对图像像素进行操作,计算归一化直方图.并在 窗口中以图形的方式显示出来 步骤: (1)初始化一个256大小的数组,存放图像中每级灰度值的像素点的个数 (2)遍历整张图像 (3)归一化数组 2、灰度图像直方图均衡处理 具体内容:通过计算归一化直方图,设计算法实现直方图均衡化处理。 步骤: (1)读取该像素点的灰度值 (...

lyd1995的博客 4525

【亲测免费】 云策文档项目常见问题解决方案

云策文档是一款开源的知识管理工具,通过独立的知识库空间,结构化地组织在线协作文档,实现知识的积累与沉淀,促进知识的复用与流通。该项目支持多人协作文档,主要使用的技术包括: - **MySQL**:用于数据存储。 - **Next.js**:前端页面框架。 - **Nest.js**:服务端框架。 - **Tiptap**:编辑器及文档协作。 主要的编程语言为 **TypeScript**,项目...

gitblog_00496的博客 912

西门子 标准程序解读---> 机器手抓取和涂胶控制程序

摘要 该程序实现机械手在OP70/OP90工位的自动化控制,核心功能包括: 流程控制:分段(Seg1-Seg11)管理抓件、涂胶、放件等动作,结合DB1050/DB1250数据块监控工位状态及变位机位置反馈。 安全机制:配置干涉区(FC124)、实时检测安全光/急停信号,防止碰撞;服务程序(FB191)支持维修位触发与安全隔离。 参数配置:通过DB块关联机器人速度、节拍(FB27)、车型编码(如空过=2)及手自动模式(DB70.DBX21.2)。 应用场景:适用于汽车焊接/装配线

工控智联驿站 1239

LFM调制信号分类与检测识别

支持识别LFM信号、间歇采样干扰(ISRJ)、灵巧噪声干扰(SNJ)、扫频干扰(SJ)、瞄准干扰(AJ)、阻塞干扰(BJ)、密集假目标干扰(DFJ)、密集假目标加灵巧噪声干扰(DFWSNJ)、距离欺骗干扰(DDJ)、距离欺骗加灵巧噪声干扰(DDWSNJ)。Faster-RCNN支持检测识别LFM信号、间歇采样干扰(ISRJ)、灵巧噪声干扰(SNJ)、扫频干扰(SJ)、瞄准干扰(AJ)、密集假目标干扰(DFJ)、密集假目标加灵巧噪声干扰(DFWSNJ)、距离欺骗加灵巧噪声干扰(DDWSNJ)等8种信号。

菜yuan~的博客 1029

推荐开源项目:Think - 知识管理与协同编辑的新星

推荐开源项目:Think - 知识管理与协同编辑的新星 项目地址:https://gitcode.com/gh_mirrors/thi/think 1. 项目介绍 Think 是一款强大且开放的知识管理工具,旨在帮助用户结构化地组织在线文档,实现知识的有效积累、沉淀以及复用。它支持独立的知识库空间和多人实时协作,为团队和个人提供了无缝的在线办公体验。此外,云策文档 已经部署上线,用户可以直接注册...

gitblog_00038的博客 789

android so文件攻防实战-美团libmtguard.so反混淆

接下来的代码很多都是这种动态计算跳转地址的。修复结束之后跟踪指令,0x3434处的代码跳到了0x345A,0x345A处的代码主要逻辑是在0x34C6跳到0x34EC通过0x34EC动态计算地址跳到了0x3520,0x3524处的代码跳到了0x365C,0x366E处的代码跳到了0x35A8,0x35A8是JNI_OnLoad的主要逻辑。BEQ和BNE是一对条件相反的跳转,这之前计算出接下来指令的地址0x3430赋值给R4,loc_340C处的代码通过POP指令将R4的值给PC,看0x3430处的代码。

2503_90751938的博客 1383

云发布的Docker部署文档

其中 openjdk、mysql、redis、nacos/nacos-server、nginx、vue、vue2、user、manage、apply 和 gateway 为本项目的所有镜像。我们需要去华为云服务器管理控制台设置安全组,将需要开放的端口打开,需要开放8848、3306、6379、8888、8881、8882、8883和80、81端口。我在华为云服务器上选择的系统是 CentOS 7,因此使用 yum 安装Docker ,并拉取OpenJDK的镜像。同样地,上传的地址自己要记住。

qq_42582489的博客 1408

图论:Dijkstra算法——最详细的分析,图文并茂,一次看懂!

Dijstra算法

普罗米修斯的博客 18万+

Unity3d移动端性能优化

以下条目主要针对移动端,大部分也适合PC端 一、Profiler的使用 1.性能优化应贯穿项目开发的全过程,如需求(性能能不能达到要求)、设计、开发、测试等。不能开发结束才优化性能。 2.官方推荐的优化工具是【Window】->【Profiler】 3.确认瓶颈是CPU-bound(Gfx.WaitForCommands)还是CPU-bound(Gfx.WaitForPresent) 4.内存分析使用Memory Profiler 二、内存优作 5.减少内存收集的影...

zouxin_88的专栏 3059

一款开源、精美的知识管理工具,可独立部署

???? 这是一个或许对你有用的社群???? 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料:《项目实战(视频)》:从书中学,往事上“练”《互联网高频面试题》:面朝简历学习,春暖花开《架构 x 系统设计》:摧枯拉朽,掌控面试高频场景题《精进 Java 学习指南》:系统学习,互联网主流技术栈《必读 Java 源码专栏》:知其然,知其所以然????这是一个或许...

芋艿V 528

软考高级-系统架构设计师 知识点整理 (一篇就够了 建议收藏)

软考高级-系统架构设计师知识点整理---十万字总结,助你通过高级

片言可决讼,半纸能缚龙 7347

人工智能 | ShowMeAI资讯日报 #2022.06.06

ShowMeAI资讯日报 2022-06-06 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:从开发到生产全链数据工程工具库、语义分割实战、Web3科学家极简入门指南…点击阅读全文...

ShowMeAI研究中心 1万+

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

人工智能 | ShowMeAI资讯日报 #2022.06.09

ShowMeAI资讯日报 2022-06-09 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:AI写作助手工具库、数据可视化、3D医学图像分割、算法学习、Go语言、学习路线图…点击阅读全文......

ShowMeAI研究中心 1万+

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

人工智能 | ShowMeAI资讯日报 #2022.06.19

ShowMeAI资讯日报 2022-06-19 期,多模态学习工具包、NTIRE 2022压缩视频优胜方案代码、《深度学习数学工程》电子书、域自适应目标检测文献、换脸检测文献、8篇前沿论文…点击获取全部资讯

ShowMeAI研究中心 1万+

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

人工智能 | ShowMeAI资讯日报 #2022.06.08

ShowMeAI资讯日报 2022-06-08 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:文本数据分析高级可视化、数据科学家GitHub综合指南、DS速查集锦…点击阅读全文......

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.17

ShowMeAI资讯日报 2022-06-17 期,Transformer新变体的开发库、目标感知与应用统一工具箱、Python3面试准备、高效论文写作技巧、控制论资源、视觉扩散模型资源、8篇前沿论文…点击获取全部资讯

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.10

ShowMeAI资讯日报 2022-06-10 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:深度学习时序处理库、自动交易系统、深度学习专项课程笔记、主动学习、图像融合…点击阅读全文...............

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.02

ShowMeAI资讯日报 2022-06-02 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:文本检索、模型部署、优化算法、低延迟开发、目标检测、图像生成…点击阅读全文......

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.18

ShowMeAI资讯日报 2022-06-18 期,TensorFlow/Keras/PyTorch/MXNet深度学习分布式训练框架、OpenDILab星际争霸II决策AI平台、计算机视觉神经网络模型大比拼、8篇前沿论文…点击获取全部资讯

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.20

ShowMeAI资讯日报 2022-06-20 期,Visual Studio Code的DVC扩展、点云深度学习框架、3D人体骨架检测、跨平台 SQL 编辑器、计算机视觉最佳实践代码、南瓜书PumpkinBook、图异常检测资源、8篇前沿论文…点击获取全部资讯......

ShowMeAI研究中心 2万+

人工智能 | ShowMeAI资讯日报 #2022.06.04

ShowMeAI资讯日报 2022-06-04 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:Kaggle Happywhale竞赛、可信图神经网络、增量学习…点击阅读全文

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.05

ShowMeAI资讯日报 2022-06-05 期,AI领域【工具&框架】【项目&代码】【博文&分享】【数据&资源】【研究&论文】最新动态关键词:中文医学知识图谱、数据科学项目清单、半导体创业公司清单、2022机器学习就业市场…点击阅读全文...

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.30

ShowMeAI资讯日报 2022-06-30 期,flair 集成最先进NLP技术的框架、cleanlab 机器学习数据集错误自动发现修复工具、darts 时序处理与预测库(Python)、读博申请攻略、Go语言入门与进阶课程、8篇前沿论文…点击获取全部资讯......

ShowMeAI研究中心 1万+

人工智能 | ShowMeAI资讯日报 #2022.06.16

ShowMeAI资讯日报 2022-06-16 期,【腾讯】分布式 embedding 训练和推理框架、【蚂蚁】时序数据库、【搜狗】C++服务器引擎、正则表达式实例清单、MongoDB全方位知识图谱、8篇前沿论文…点击获取全部资讯.........

ShowMeAI研究中心 1万+
上一篇: 人工智能 | ShowMeAI资讯日报 #2022.06.26
下一篇: 人工智能 | ShowMeAI资讯日报 #2022.06.28
ShowMeAI
博客等级 码龄5年 6514粉丝 672原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ShowMeAI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值