- 博客(16)
- 收藏
- 关注
RSS订阅原创 Van-DETR：通过 vanillanet 和高级特征融合增强实时物体检测
摘要近年来，基于 Transformer 的端到端检测器（DETR）取得了显著进展，但其高昂的计算成本仍然限制了 DETR 系列作为实时目标检测器的性能。为了解决这个问题，我们引入了 Van-DETR 模型，该模型增强了第一个实时端到端目标检测器 RT-DETR。具体而言，我们创新性地引入了一个全新的、更轻量级的主干网络 VanillaNet，取代了之前的主干网络 ResNet。针对其非线性弱和局部分析能力差的问题，我们将大核卷积与小核卷积相结合，整合全局和局部信息，显著提升了特征提取能力。其次，在混合
2024-11-28 22:10:13
1014
1
原创 TransNeXt：视觉变换器的强大中央凹视觉感知
摘要由于残差连接中的深度退化效应，许多依赖于堆叠层进行信息交换的高效 Vision Transformers 模型经常无法形成足够的信息混合，导致不自然的视觉感知。为了解决这个问题，在本文中，我们提出了聚合注意力机制，一种基于仿生设计的 token 混合器，它模拟生物的中央凹视觉和连续的眼球运动，同时使特征图上的每个 token 具有全局感知。此外，我们结合了与常规查询和键交互的可学习 token，这进一步使亲和矩阵的生成变得多样化，而不仅仅是依赖于查询和键之间的相似性。我们的方法不依赖于堆叠进行信息交
2024-11-26 16:12:36
1090
原创 CAS-ViT：用于高效移动应用的卷积加性自注意力视觉变换器
摘要：视觉变换器 (ViT) 凭借其令牌混合器强大的全局上下文功能，标志着神经网络的革命性进步。然而，尽管之前的研究已经做出了相当大的努力，但成对的令牌亲和性和复杂的矩阵运算限制了它在资源受限场景和实时应用（如移动设备）上的部署。在本文中，我们引入了 CAS-ViT：卷积加性自注意力视觉变换器，以在移动应用中实现效率和性能之间的平衡。首先，我们认为令牌混合器获取全局上下文信息的能力取决于多种信息交互，例如空间和通道域。随后，我们根据此范例构建了一种新颖的加性相似性函数，并提出了一种名为卷积加性令牌混合器
2024-11-20 16:15:27
546
原创 YOLOv9提前结束训练得到数据或者训练轮数不够想增加轮数的方法，适用于模型已经收敛，不需要再继续训练，且早停轮数设置过多，没办法提前停止的情况，也可由于断点继续训练或者增加训练轮数
YOLOv9提前结束训练得到数据或者训练轮数不够想增加轮数的方法，适用于模型已经收敛，不需要再继续训练，且早停轮数设置过多，没办法提前停止的情况，也可由于断点继续训练或者增加训练轮数
2024-08-22 16:22:47
724
1
原创 【已解决】YOLOv8及YOLOv10中修改代码ultralytics包keyerror报错
修改代码或直接运行之所以会报错，是因为YOLOv8以及YOLOv10(使用了YOLOv8的项目结构)的项目结构中的ultralytics文件夹里面的路径的代码命名与pip installultralytics这个第三方的包重复了，在终端使用yolo的命令训练的话，会默认解析pip下载的那个ultralytics包。
2024-06-18 18:04:16
7548
12
原创 【已解决】RuntimeError: PytorchStreamReader failed reading zip archive: failed finding central directory
我训练YOLOv8时，模型加载时会下载.pt等权重文件，也许是因为在其下载时突然终止了，导致.pt权重文件没有下载完整，再次训练时导致解析时出现问题。解决方法：删除已下载的部分.pt文件，一般权重文件比较大，可以通过查看其占用内存判断是否为不完整的权重文件。
2024-06-18 17:36:27
1041
2
原创 MobileNetV4全文翻译——MobileNetV4移动生态系统的通用模型
摘要。我们介绍了最新一代 MobileNets，即 MobileNetV4 (MNv4)，它具有适用于移动设备的通用高效架构设计。在其核心，我们引入了通用倒置瓶颈 (UIB) 搜索块，这是一种统一而灵活的结构，融合了倒置瓶颈 (IB)、ConvNext、前馈网络 (FFN) 和新颖的额外深度 (ExtraDW) 变体。除了 UIB，我们还介绍了 Mobile MQA，这是一种专为移动加速器量身定制的注意力块，可显着提高 39% 的加速。还引入了一种优化的神经架构搜索 (NAS) 配方，可提高 MNv4
2024-06-17 23:05:20
2561
原创 Graph Mining for Cybersecurity: A Survey——网络安全图挖掘：一项调查——全文翻译
Graph Mining for Cybersecurity: A Survey网络安全图形挖掘：一项调查
2024-06-03 21:28:40
1416
2
原创 YOLOv6: A Single-Stage Object Detection Framework for IndustrialApplications翻译解读
图 1：最先进的高效物体检测器的比较。给出了延迟和吞吐量（批量大小为 32）以供方便参考。除了量化模型使用 TensorRT 8 之外，所有模型均使用 TensorRT 7 进行测试。摘要多年来，YOLO 系列实际上已成为高效物体检测的行业级标准。 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应用。在这份技术报告中，我们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，我们广泛研究了工业界或学术界的最新目标检测进展。具体来说，我们大量
2024-04-21 22:54:17
908
1
原创 解决在vscode中运行C语言scanf函数卡住不能输入的问题
使用shift+ctrl+P，搜索settings，打开此选项。搜索后找到下图操作即可。
2023-10-18 16:30:48
1075
2
原创 Linux实验四：CentOS8操作系统中搭建Apache 服务器
本实验的主要任务是在CentOS操作系统中搭建Apache 服务器，练习文档根目录、首页文件、相关访间控制规则的配置。【实验目的】(1) 理解Apache 服务器主配置文件的结构。(2) 掌握Apache 服务器常用功能的配置方法。(3) 掌握Apache 服务器访问控制规则的配置方法。【实验要求】 请按照以下步骤完成Apache服务器的搭建和验证。(1) 查看本机IP地址。(2) 测试Apa...
2022-05-01 14:46:23
3399
原创 Linux实验三： 文件和目录的访问权限
本实验的主要任务是对用户和组群进行管理，使用 su 和 sudo 命令以及管理文件和目录的权限。结合文件权限与用户和组群的设置，理解文件的3 种用户身份及权限对于文件和目录的不同含义。【实验目的】(1) 掌握文件与用户和组群的基本概念及关系。(2) 掌握修改文件的所有者和属组的方法。(3) 掌握 su 和 sudo 命令的使用方法。(4) 理解文件和目录的3种权限的含义。(5) 掌握如何使用数字表示法、文字表示法修改文件和目录的权限。
2022-05-01 14:44:31
6954
原创 Linux实验二：编写shell脚本
1、输出系统基本信息，通过命令自动获取相关值并代替*：USER:**** HOST:**** DATE:****年**月**日2、创建以下菜单，并完成菜单相应功能：如上图所示A: 创建子目录并复制文件(在/tmp下创建子目录t，并将/proc/cpuinfo文件拷贝进去)B: 文件权限测试(测试对/proc/cpuinfo是否有r、w、x的权限，分别输出测试结果)C: 文件字符转换(将/proc/cpuinfo文件中的...
2022-05-01 14:41:09
3388
原创 Linux实验一：熟悉Linux基本命令
【实验目的】(1)熟悉常用的文件和目录类命令。(2)熟悉常用的进程管理类命令。【实验要求】本实验的主要任务是在Linux终端窗口中练习已经学过的各种命令，熟练掌握常用命令的用法。清大家按照以下步骤完成本次实验。(1)以普通用户登录系统，登录后，打开一个终端窗口。(2)查看当前工作目录; 在当前目录中新建、并切换到tmp子目录。(3)在tmp目录中新建文件file1和目录dir1; 查看tmp目录中有哪些内容，显示详细信息并根据输出信息判断哪些
2022-05-01 14:33:22
4850
python脚本之分类别提取coco数据集
2024-03-21
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人