8 春枫琰玉

尚未进行身份认证

我要认证

暂无相关简介

等级
TA的排名 3w+

Network slimming,一个比较好用的模型剪枝方法

由于深度学习模型大小以及计算资源的限制,导致将深度学习模型部署到如移动端的时候会受到一定的限制,为了解决这个问题,就形成了一个新的领域:模型压缩,即减少模型的参数以及计算量,并且依然保证模型的精度。常见的方法比如:量化、剪枝、蒸馏等,本文便是“剪枝”当中一篇非常经典的文章,也是比较有效果的一篇文章。本文方法其实比较简单:首先,使用L1 regularization对BN层的scaling factor进行稀疏化训练,然后将scaling factor较小的参数相连接的filter减掉,达到减少模型size.

2020-06-24 17:43:14

GhostNet

本篇论文是发表于CVPR2020的一篇轻量级网络的论文,作者是华为诺亚方舟实验室,文章的总体思路比较清晰,为了减少网络计算量,作者将传统的卷积分成两步进行,首先利用较少的计算量通过传统的卷积生成channel较小的特征图,然后在此特征图的基础上,通过cheap operation(depthwise conv)再进一步利用较少的计算量,生成新的特征图,最后将两组特征图拼接到一起,得到最终的out...

2020-03-08 21:00:41

S3FD

欢迎访问我的个人博客查看更多文章:https://www.wanglichun.tech/2020/03/03/s3fd/这篇文章是ECCV2017一篇比较经典的人脸检测的文章,是一篇很实用的针对小脸优化的文章。读下来,文章并没有提出特别牛逼的理论或者网络,而是在SSD的基础上,进行了针对小脸的一系列优化,最终实现了对小脸检测效果的提升,相比于提出高大上理论的论文,本篇论文中提出的方法更容易实...

2020-03-05 18:34:52

FASF(CVPR2019)

本篇文章是CVPR2019的一篇Anchor-Free的文章,是一篇很好的Anchor Free的目标检测的文章,目前基于anchor的目标检测方法,大多采用不同的level预测不同尺度的instance,而分配规则往往是人为设计的,这导致anchor的匹配策略可能不是最优的。那有没有更优的匹配方法?文章从level选取的点进行切入,利用FASF实现不同的instance在不同level的动态分...

2020-01-02 22:57:12

FoveaBox

FoveaBox是CVPR2019的一篇anchor free的目标检测文章,其思想跟FCOS很相似,都是在RetinaNet的基础上,在不同stage输出的特征图上,直接得到目标类别并回归出目标的位置,相比FCOS,FoveaBox要更简单一些,FoveaBox在COCO的精度可以达到42.1。作者:Tao Kong Fuchuan Sun 等论文链接:https://arxiv....

2019-12-30 20:38:00

docker总结,基本上常用到的操作这里面都有了

在程序开发过程中,经常需要我们去配置各种开发环境,而本地与线上还可能存在环境依赖的不同,导致出现一些不知名的bug,这个时候不要抓头,是时候使用docker来帮你排忧解难了,下面我通过下面几个篇章来介绍Docker.原理介绍篇Docker是什么docker是linux容器的一种封装,提供简单易用的容器使用接口。它是最流行的Linux容器解决方案。简单来说就是,docker可以将你的环境进行...

2019-12-27 14:13:01

RFBNet

RFBNet是ECCV2018的一篇文章,文章的主要创新点在于通过Inception结构以及dilated conv模拟了人类的视觉结构—越往外视觉感受野也越大,提出了RFB结构,并将RFB结构应用于SSD结构上,实现了在不增加过多计算量的情况下模型效果的提升。作者: Songtao Liu, Di Huang, Yunhong Wang论文链接: RFBNet论文代码链接: http...

2019-12-27 14:11:51

初识 TVM

如有图像或公式显示错误,可以访问我的个人博客:https://www.wanglichun.tech/2019/11/15/tvm/笔者也是最近偶然的机会才开始接触TVM,使用过后发现,经过auto-tuning后的TVM模型在速度是竟然超过了TensorRT,并且笔者使用的是MXNet框架,TVM对MXNet绝对的友好,对于Pytorch等模型,可以使用ONNX,操作也一样简单,使用起来基本类...

2019-11-15 22:15:24

ExtremeNet论文详解

论文名称:Bottom-up Object Detection by Grouping Extreme and Center Points作者:Xingyi Zhou&Jiacheng Zhuo等论文链接:https://arxiv.org/pdf/1901.08043.pdf代码链接:https://github.com/xingyizhou/ExtremeNet提要本篇论文...

2019-08-11 15:51:35

FCOS算法详解

论文名称:FCOS:Fully Convolutional One-Stage Object Detection作者:Zhi Tian & Chunhua Shen等论文链接:https://arxiv.org/abs/1904.01355代码链接:https://github.com/tianzhi0549/FCOS/简要概述文章精华FCOS算法也是一篇anchor free...

2019-07-10 10:57:42

CornerNet,CenterNet关键代码解读: kp,_decode,left pooling

今天大致看了一下CornerNet的代码,对其中的关键代码做一些整理。由于CenterNet(CenterNet:Keypoint Triplets for Object Detection)是在CornerNet的基础上修改来的,所以基本是一致的cornernet的主要结构基本都定义在./models/py_utils文件夹下,主干结构定义在./models/py_utils/kp.py这个...

2019-07-05 09:39:39

CenterNet: Keypoint Triplts for Object Detection 论文阅读笔记

论文名称:CenterNet: Keypoint Triplts for Object Detection作者:Kaiwen Duan & Song Bai等论文链接:https://arxiv.org/abs/1904.08189代码链接:https://github.com/Duankaiwen/CenterNet简要概述文章精华本篇文章是一篇anchor free的目标检...

2019-07-02 15:42:37

mobilenet系列之又一新成员---mobilenet-v3

摘要:mobilenet-v3,是google在mobilenet-v2之后的又一力作,主要利用了网络结构搜索算法(NAS)来改进网络结构。并且本文提出了movilenetv3-large, mobilenet-v3 small。在语义分割,本文提出了一个新的方法:LR-ASPP.mobilenet-v3 large在imagenet分类任务上,较mobilenet-v2,精度提高了大约3....

2019-06-15 11:26:41

动手学gluon系列之--上采样的实现方法:Conv2DTranspose,转置卷积的实现与原理

说道上采样,就不得不提一篇非常经典的论文FCN,其在使用卷积缩放尺度后,利用上采样将特征图放大,实现图像分割,并且论文中多次提到的利用双线性插值实现上采样,那么在gluon中,如何实现呢?这里需要使用函数nn.Conv2DTranspose,本质就是下面这两行(备注中包含参数介绍)### 利用反卷积实现上采样,初始化方式采用Bilinear便实现了双线性插值上采样upsample=nn.C...

2019-05-17 17:07:15

动手学gluon系列之读取预训练模型----多种方法读取预训练模型进行finetune

本文主要是博主学习gluon时候的一些总结,共勉,如有错误,欢迎指正gluon主要有3个方法得到预训练模型:gluon自身的model_zoogluoncv提供的model_zoomxnet提供的预训练模型(.params ,.json)下面分别就这三个方面进行介绍一:读取gluon model_zoo提供的模型,并进行finetunegluon提供的model主要在gluon...

2019-05-14 14:25:56

动手学mxnet系列之读取图像----多种方式读取图像送入mxnet模型

前言当我们已经有了现成的mxnet模型,如何在自己的数据上测试模型效果呢(即一张一张或者几张几张的过模型),这就涉及到如何读取图像,并将其变换为mxnet认识的结构(一般是4维),并送入模型,其实不光是mxnet,所有的深度学习框架都会有这个处理过程,这里,博主总结了几种常用的方法,都是比较简单的,个人比较喜欢使用mxnet.image.imread()或者是cv2.imread()其实无论采...

2019-05-13 20:49:27

动手学mxnet系列之NDArray

NDArray是MXNet的基础,无论多么复杂的网络,都是建立在NDArray上面的,NDArray就好像是盖深度学习这座大厦的砖~

2019-03-27 19:56:28

SNIPER: Efficient Multi-Scale Training

论文名称: SNIPER: Efficient Multi-Scale Training作者:Bharat Singh & Mahyar Najibi & Larry S.Davis论文链接https://arxiv.org/abs/1805.09300:代码链接:https://github.com/bharatsingh430/snip简要概述文章精华目标检测中的小目...

2019-03-14 20:44:48

SNIP-An Analysis of Scale Invariance in Object Detection

论文名称 : An Analysis of Scale Invariance in Object Detection – SNIP论文作者:Bharat Singh & Larry S.Davis论文链接:https://arxiv.org/abs/1711.08189代码链接:https://github.com/bharatsingh430/snip简要概述本篇文章是一篇优...

2019-02-25 21:09:37

Consistent Optimization for Single-Shot Object Detection - 你的anchor用对了吗?

论文名称:Consistent Optimization for Single-Shot Object Detection作者:Tao Kong & fuchun Sun & Huaping Liu & Yuning Jiang & Jianbo Shi论文链接:https://arxiv.org/abs/1901.06563作者解读:https://zhu...

2019-01-30 21:11:19

查看更多

勋章 我的勋章
  • 持之以恒
    持之以恒
    授予每个自然月内发布4篇或4篇以上原创或翻译IT博文的用户。不积跬步无以至千里,不积小流无以成江海,程序人生的精彩需要坚持不懈地积累!
  • 勤写标兵Lv1
    勤写标兵Lv1
    授予每个自然周发布1篇到3篇原创IT博文的用户。本勋章将于次周周三上午根据用户上周的博文发布情况由系统自动颁发。