首页
学习
活动
专区
工具
TVP
发布

磐创AI技术团队的专栏

定期分享机器学习深度学习相关优质原创文章
专栏作者
715
文章
981893
阅读量
123
订阅数
AI大牛沈春华全职加入浙大!全球顶级学者专注CV,一年被引次数超9k+
沈春华教授本硕士毕业于南京大学,之后便在澳大利亚国立大学继续攻读第二个硕士,毕业后在阿德莱德大学(University of Adelaide)深造,获得了博士学位。
磐创AI
2021-12-22
9780
小模型实现大一统!Meta RL华人一作FBNetV5一举包揽CV任务3个SOTA
神经网络模型经常被研究人员戏称为「堆积木」,通过将各个基础模型堆成更大的模型,更多的数据来取得更好的效果。
磐创AI
2021-12-10
2410
图灵奖大佬+谷歌团队,为通用人工智能背书!CV 任务也能用 LM 建模!
图灵奖大佬 Geoffrey Hinton 的团队和 Google Brain 团队近日发布新工作 Pix2seq,将 CV 经典任务 目标检测 转换为了语言模型的下游任务。
磐创AI
2021-10-27
6610
【论文解读】​YOLOX: Exceeding YOLO Series in 2021
YOLOv3 baseline 以Darknet53作为Baseline,给大家介绍如何一步一步过渡到现在的YOLOX-DarkNet53。YOLOv3是以Darknet53为主干,后面再加上SPP。我们对训练策略进行了一些修改,增加了EMA weights updating,余弦学习率,IoU损失,以及IoU-aware分支,在训练分类和objectness的分支中,我们使用了BCE loss。在数据增强方面,我们只使用了水平翻转,颜色抖动和多尺度。
磐创AI
2021-08-05
8900
重新标注128万张ImageNet图片:多标签,全面提升模型性能 | 留言送书
ImageNet 是机器学习社区最流行的图像分类基准数据集,包含超过 1400 万张标注图像。该数据集由斯坦福教授李飞飞等人于 2006 年开始创建,后成为评估计算机视觉模型在下游视觉任务中能力的试金石。
磐创AI
2021-02-23
3680
推理速度快YOLOV4五倍的YOLObile:通过压缩编译在移动端实时检测(附论文下载)
目标检测技术的迅速发展和广泛应用,引起了人们对目标检测器的精度和速度的关注。然而,目前最先进的目标检测工作要么是精度导向使用大模型,但导致高延迟,要么是速度导向使用轻量级模型,但牺牲精度。在这项工作中,作者提出了YOLObile框架,通过压缩编译协同设计在移动设备上实时检测对象。提出了一种适用于任意核大小的块穿孔剪枝方案。为提高移动设备上的计算效率,采用GPU-CPU协同方案,并辅以高级编译器辅助优化。实验结果表明,新提出的剪枝方案在49.0 mAP的情况下,可以实现YOLOv4的14倍压缩率。在YOLObile框架下,使用三星Galaxy S20的GPU实现了17 FPS的推理速度。通过加入新提出的GPU-CPU协同方案,推理速度提高到19.1帧/秒,比原来的YOLOv4加速5倍。
磐创AI
2020-09-22
8400
构建对象检测模型
我喜欢深度学习。坦率地说,这是一个有大量技术和框架可供倾注和学习的广阔领域。当我看到现实世界中的应用程序,如面部识别和板球跟踪等时,建立深度学习和计算机视觉模型的真正兴奋就来了。
磐创AI
2020-07-24
1.1K0
VoVNet:实时目标检测的新backbone网络
目前基于深度学习的目标检›测模型无不依赖CNN分类网络来作为特征提取器,如SSD采用VGG,YOLO采用DarkNet,Faster R-CNN采用ResNet,我们一般称这些网络为目标检测模型的backbone。ResNet是目标检测模型最常用的backbone,DenseNet其实比ResNet提取特征能力更强,而且其参数更少,计算量(FLOPs)也更少,用于目标检测虽然效果好,但是速度较慢,这主要是因为DenseNet中密集连接所导致的高内存访问成本和能耗。VoVNet就是为了解决DenseNet这一问题,基于VoVNet的目标检测模型性能超越基于DenseNet的模型,速度也更快,相比ResNet也是性能更好。
磐创AI
2020-05-26
1.9K0
自动驾驶综述|定位、感知、规划常见算法汇总
这一部分概述了自动驾驶汽车自动化系统的典型体系结构,并对感知系统、决策系统及其子系统的职责进行了评述。
磐创AI
2020-05-26
2.4K0
10行代码实现目标检测 |视觉进阶
在本文中,我将向你展示如何使用Python在不到10行代码中创建自己的目标检测程序。
磐创AI
2019-10-14
4020
深度学习vs机器学习 | 这些本质区别你知道多少?
【磐创AI导读】:深度学习和机器学习已经变得无处不在,那它们之间到底有什么区别呢?本文我们为大家总结了深度学习VS机器学习的六大本质区别。欢迎大家点击上方蓝字关注我们的公众号:磐创AI,学习更多的机器学习、深度学习知识。
磐创AI
2019-09-05
1.1K0
超全深度学习细粒度图像分析:项目、综述、教程一网打尽
(CV)是用机器来理解和分析图像的过程,是人工智能中一个重要分支。在 CV 的各个研究领域中,细粒度图像分析(fine-grained image analysis, FGIA)是一个长期存在的基础性问题,而且在各种实际应用(比如鸟的种类、汽车模型、商品识别等)中无处不在。由细粒度特性造成的类间(inter-class)小变化和类内(intra-class)大变化使得这一问题具有极大的挑战性。由于深度学习的蓬勃发展,近年来应用了深度学习的 FGIA 取得了显著的进步。
磐创AI
2019-07-18
1.3K0
目标检测任务中的训练宝典 |实用技巧
最近正好在做检测项目,相对于分类任务而言,检测任务的优化策略少之又少,最近阅读了 @李沐老师 团队新出的论文Bag of Freebies for Training Object Detection Neural Networks中,提到了一些在不牺牲模型性能的前提下提升目标检测模型的tricks。
磐创AI
2019-07-10
1.1K0
使用Python+OpenCV进行图像处理(三)| 视觉入门
检测是计算机视觉任务中的主要任务之一,而且应用很广泛。检测技术可以帮助人类检测那些容易被肉眼忽略的错误;也可以”帮助“自动驾驶汽车感知空间信息。无疑自动化的检测技术的广泛应用将为我们带来效率与安全。
磐创AI
2019-05-14
2.1K1
CNN更新换代!性能提升算力减半,还即插即用
Facebook和新加坡国立大学联手提出了新一代替代品:OctConv(Octave Convolution),效果惊艳,用起来还非常方便。
磐创AI
2019-05-13
4570
超越Mask-RCNN:谷歌大脑的AI,自己写了个目标检测AI
谷歌大脑的Quoc Le团队,用神经网络架构搜索 (NAS) ,发现了一个目标检测模型。长这样:
磐创AI
2019-05-07
3810
使用Python+opencv进行图像处理(一) | 视觉入门
计算机视觉是人工智能最热门的应用领域之一。人工智能技术推动了汽车自动驾驶、机器人以及各种照片处理类软件的巨大发展。目标检测技术也在稳步推进。生成对抗网络(GANs)同样也是人们最近比较关注的一个问题。这些都在向我们展示未来计算机视觉领域的发展前景是多么的不可限量。
磐创AI
2019-05-05
18.3K0
超越ResNet:南开提出Res2Net,不增计算负载,性能全面升级!
2015年,由何恺明等四位华人所提出的ResNet一战成名,可极快的加速神经网络的训练。
磐创AI
2019-05-05
7940
1300篇!CVPR 2019录取结果公布,7篇新鲜好文推荐
据统计,今年共计1300篇论文被CVPR 2019 接收,相比去年被接收论文数量增加了32.8%。今年的接收率为25.2%。
磐创AI
2019-03-14
8900
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档