- 博客(74)
- 资源 (5)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 重读经典-EfficientNet
EfficientNet也是以前看过的一篇文章的，当时主要看了网络结构，对于文章的思考并没有很深入，这次重新看一下，加深一下对于文章的思考。作者：Google论文链接：https://arxiv.org/abs/1905.11946开源代码：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnetModel Scaling本篇文章的重点是Model Scaling，至于Efficientnet只是作者在
2020-12-01 16:56:59
532
原创 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
2083
原创 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
19818
1
原创 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
734
原创 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
2119
1
原创 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
2974
原创 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
282
原创 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
1013
原创 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 22:21:37
6547
原创 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
6072
1
原创 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
16833
11
原创 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
5489
4
原创 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
667
原创 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
56025
5
原创 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
1804
原创 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
2715
2
原创 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
5178
6
原创 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
1053
原创 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
2071
原创 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
530
原创 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
2418
6
原创 Amazon深度学习工程师总结的分类模型炼丹技巧总结
论文名称：Bag of Tricks for Image Classification with Convolutional Neural Networks论文链接：https://arxiv.org/pdf/1812.01187.pdfhttps://arxiv.org/pdf/1812.01187.pdf很多时候，外界同学管深度学习算法工程师叫做调参工程师，简单直接的概括了深度学习工程师的...
2019-01-27 22:00:29
2683
6
原创 一文带你读懂Cascade R-CNN，一个使你的检测更加准确的网络
论文名称:Cascade R-CNN: Delving into High Quality Object Detection作者：Zhaowei Cai & Nuno Vasconcelos论文链接：https://arxiv.org/abs/1712.00726代码链接：https://github.com/zhaoweicai/cascade-rcnn简要概述文章精华本篇...
2019-01-13 12:58:30
40893
7
原创 RefineDet
论文链接： https://arxiv.org/abs/1711.06897作者代码链接 ： https://github.com/sfzhang15/RefineDet在目标检测中，有两个主流的分支，分别是以Faster R-CNN为代表的two stage方法以及以SSD为代表的one stage方法,两者各有优势，总结起来就是：two stage方法的精度更高，one stage方法的速...
2018-12-10 18:50:29
3711
4
原创 Focal loss and RetinaNet
这是一篇论文阅读笔记论文链接：https://arxiv.org/abs/1708.02002代码链接：https://github.com/facebookresearch/Detectron首先，提一个问题，为什么one stage方法精度比two stage方法精度低？这个问题是本篇论文讨论与解决的主要问题.作者总结道，一个很重要的因素是因为在one stage方法中，正负样本的不...
2018-11-05 16:13:00
1652
3
原创 gluoncv与mxnet的model转换
前不久，gluoncv进行了更新，发布了gluoncv0.3版本，该版本的一大创新点就是提供了一批在imagenet上精度更高的模型，对于需要使用预训练模型做迁移学习的小伙伴应该是帮助很大的，毕竟高精度可以带来一定效果的提升。网址如下：https://gluon-cv.mxnet.io/model_zoo/classification.html可是对于不使用gluoncv，而使用mxnet的小...
2018-11-01 17:06:13
3011
3
原创 Mask R-CNN
论文链接：https://arxiv.org/abs/1703.06870一、简介Mask R-CNN是He Kaiming大神2017年的力作，其在进行目标检测的同时进行实例分割，取得了出色的效果，其在没有任何trick的情况下，取得了COCO 2016比赛的冠军。其网络的设计也比较简单，在Faster R-CNN基础上，在原本的两个分支上（分类+坐标回归）增加了一个分支进行语义分割，如下图...
2018-10-30 20:54:09
28405
9
原创 ECCV2018 papers
ECCV2018文章已公布，查看链接如下：http://openaccess.thecvf.com/ECCV2018.py当然为了方便小伙伴，当然要提供全部下载咯：百度云链接如下： 链接: https://pan.baidu.com/s/18A22Rnvda3f2n11y4ok2Rw 密码: xx26...
2018-09-07 10:37:47
4346
1
原创 shuffleNet v2
论文名称：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design论文地址：https://arxiv.org/abs/1807.11164目前，CNN网络在图像识别领域大放异彩，从最初的AlexNet到后面的GoogLeNet,ResNet,识别精度越来越高，但是除了精度之外，模型的计算复杂度也越来...
2018-08-17 18:09:19
7238
3
原创 shuffleNet阅读笔记
论文名称：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices论文链接：https://arxiv.org/abs/1707.01083摘要shuffleNet是face++在2017年提出，目的是提高深度模型的执行效率，降低对硬件的依赖，可在移动端执行。我们知道深度...
2018-08-14 12:40:14
2092
原创 FPN-Feature Pyramid Networks论文理解
论文链接：https://arxiv.org/abs/1612.03144FPN 创新点低层特征信息与高层语义信息的特征融合有利于小目标的检测写在前面的话FPN的全称是Feature Pyramid Networks[特征金字塔网络]， 图像金子塔是什么？图像金字塔其实在很早便被提出，像比如SIFT,SURF,HOG等传统的特征提取方法均使用了图像金字塔，想了解传统特...
2018-08-03 16:55:42
5838
3
原创 residual attention network 论文解读
论文下载链接：https://arxiv.org/abs/1704.06904github代码下载链接caffe：https://github.com/fwang91/residual-attention-network摘要简介在本篇论文中，提出了Residual attention network,该网络利用attention机制（可以将该结构使用到现有的端到端的卷积网络中），Res...
2018-08-01 12:54:45
8045
8
原创 mobileNet-一个典型的网络加速的例子
论文链接：https://arxiv.org/abs/1704.04861 MXNet框架代码：https://github.com/miraclewkf/mobilenet-MXNetmoblileNet,顾名思义，可以在移动端使用的网络，那必然要求网络的计算量要小一些，不然移动端可扛不住啊，那MobileNet如何做到这个的呢？？总结来看，其主要创新点就在于论文中反复强调的depth-...
2018-07-05 20:56:21
3567
1
原创 YOLO v2算法详解+YOLO9000介绍
YOLO9000是继YOLO之后的又一力作，本篇论文，其实作者在YOLO v2上并没有特别多的创新的方法，更多的是将现有的多种方法使用在自己的YOLO中以提高识别效果，不过YOLO9000倒是很有创新点，利用ImageNet与COCO数据，使得网络可以检测9000类数据，下面简要介绍一下这两个网络：首先介绍YOLO v2都使用了哪些方法：Batch Normalization这个不...
2018-06-29 18:51:38
7506
13
原创 YOLO算法详解
YOLO（You Only Look Once）是CVPR2016的一篇文章,是目标检测领域比较有名的的一篇文章，yolo出名不在于它的精度高，而在于他的速度很快，下面介绍的是yolo的第一版，在yolo之后，又改进出了yolo-v2,yolo-v3,v2,v3的精度相比较于v1就有大大提升了，这个后面再详细介绍。在介绍yolo之前，首先引入一下目标检测的进展，yolo之前的目标检测一般是如何...
2018-06-04 14:13:46
32367
21
原创 densenet与resneXt的巧妙结合-DPN网络
DPN是在resneXt,denseNet之后，对resnet系列的进一步创新，作者巧妙的将resnet与denseNet相结合，提出了dual path architectures，构造了DPN网络结构。 那么DPN的创新点有哪些呢？如下：DPN具有更小的模型以及更少的计算量，具有更好的训练速度。作者在论文中的描述为：[In particular，on the ImageNet...
2018-05-30 14:35:45
7284
原创 Faster R-CNN理解
Faster R-CNN 论文链接：https://arxiv.org/abs/1506.01497一、创新点目前object detection的成功主要在于region proposal方法以及region-based CNN网络方法。region proposal耗时成为object detection的瓶颈。作者设计提出RPN网络，替代region proposal方法的...
2018-04-22 17:37:48
660
原创 Fast R-CNN
论文链接：https://arxiv.org/abs/1504.08083Fast R-CNN是RBG大神于2015年发表的目标检测网络，其在SPP-Net的基础上，通过进一步的改进，使得目标检测精度以及检测速度有了进一步的提升，下面详细介绍Fast R-CNN的创新点。Q1:SPP-Net存在哪些待改进问题？SPP-Net仍然采用R-CNN的策略，需要将CNN提取的特征存储到d...
2018-04-06 19:42:43
298
原创 SPP-Net 论文笔记
简介SPP-net是何凯明团队在rbg大神提出R-CNN之后提出的比较有创新性的网络，其主要贡献在于： 1.打破了CNN网络需要输入固定大小的图像的限制，利用Spatial Pyramid Pooling方法，不需要像以前一样需要对图像进行裁剪等操作，而是直接将entire image输入。2.利用SPP-Net进行图像分类以及目标检测，虽然对于精度并没有特别明显的提升，但是在objec...
2018-03-19 22:15:29
694
原创 R-CNN 论文阅读笔记
论文链接：https://arxiv.org/abs/1311.2524作者GitHub代码链接：https://github.com/rbgirshick/rcnn一、简介R-CNN是将深度学习用于目标检测的鼻祖之作，在目标检测精度几年不在提升之后，得到了约30%的精度提升，之后，开启了深度学习在目标检测领域的一统天下，包括后面提出的Fast R-CNN、Faster R-CNN...
2018-03-14 10:21:19
462
操作系统课设-文件系统-超级块位示图-管理文件
2014-08-12
BMP图像到JPEG图像的转换，分析影响压缩率的主要因素有哪些。
2015-03-21
TA创建的收藏夹 TA关注的收藏夹
TA关注的人