行业资讯
AI news by Smartone AI
一文了解CNN可视化技术总结之卷积核可视化
导言: 上篇文章我们介绍了特征图可视化方法,对于特征图可视化的方法(或者说原理)比较容易理解,即把feature map从特征空间通过反卷积网络映射回像素空间。 那卷积核怎样可视化呢
一文了解CNN可视化技术总结之特征图可视化
导言: 在CV很多方向所谓改进模型,改进网络,都是在按照人的主观思想在改进,常常在说CNN的本质是提取特征,但并不知道它提取了什么特征,哪些区域对于识别真正起作用,也不知道网络是根据什么得出了分类结果
技术文章：目标检测--CornerNet的缺陷
前言:目标检测的预测框经过了滑动窗口、selective search、RPN、anchor based等一系列生成方法的发展,到18年开始,开始流行anchor free系列,CornerNet算不上第一篇anchor free的论文
一文详解不带Anchors和NMS的目标检测
前言:目标检测是计算机视觉中的一项传统任务。自2015年以来,人们倾向于使用现代深度学习技术来提高目标检测的性能。虽然模型的准确性越来越高,但模型的复杂性也增加了,主要是由于在训练和NMS后处理过程中的各种动态标记
一文教你使用Dice loss实现清晰的边界检测
前言:在深度学习和计算机视觉中,人们正在努力提取特征,为各种视觉任务输出有意义的表示。在一些任务中,我们只关注对象的几何形状,而不管颜色、纹理和照明等。这就是边界检测的作用所在。本文来源于公众号CV技术指南的技术总结系列
连夺十冠，百度AI的硬实力究竟有多强？
最近几个月,AI行业国际顶级盛会接连召开,与以往不同的是,在如今的AI领域的国际顶会中,像百度这样的中国AI企业开始摘得更多的AI学术奖项。继先后登陆AAAI2021、QIP2021、IJCAI2020等国际顶级会议之后
有什么办法能在边缘设备上拟合大型神经网络？
前言:对于任何想要创建可扩展服务的人来说,部署大内存的深度学习算法是一项挑战。 从长远来看,云服务是昂贵的。 在边缘设备上离线部署模型更便宜,并且还有其他好处。 唯一的缺点是它们缺乏内存和计算能力。本文探讨了一些可用于在内存受限设置中拟合神经网络的技术
一文读懂什么是知识蒸馏
前言:知识蒸馏是一种在繁琐的模型中提炼知识并将其压缩为单个模型的方法,以便可以将其部署到实际应用中。AI的教父Geoffrey Hinton和他在Google的两个同事Oriol Vinyals和Jeff Dean于2015年引入了知识蒸馏
三个模型对CNN结构演变进行总结
导言: 自2012年AlexNet在ImageNet比赛上获得冠军,卷积神经网络逐渐取代传统算法成为了处理计算机视觉任务的核心。 在这几年,研究人员从提升特征提取能力,改进回传梯度更新效果
一文了解计算机视觉中的特征金字塔技术总结
前言:特征金字塔是目前用于目标检测、语义分割、行为识别等方面比较重要的一个部分,对于提高模型性能具有非常好的表现。不同大小的目标都经过了相同的降采样比例后会出现较大的语义代沟,最常见的表现就是小目标检测精度比较低
AIGC热点
热点
-
19打开，有戏
有冇SmartoneAI，致力于通过分享全球优质AI工具、资源和资讯，帮助大家更早地、更好地了解和使用AI，让AI成为你的得力助手，工作更高效，生活更轻松。按下Ctrl+D或⌘+D收藏本站~
