首页
学习
活动
专区
工具
TVP
发布

目标检测和深度学习

专栏作者
255
文章
304986
阅读量
114
订阅数
如何让训练神经网络不无聊?试试迁移学习和多任务学习
训练深度神经网络是一个乏味的过程。更实际的方法,如重新使用训练好的网络解决其他任务,或针对许多任务使用相同的网络。这篇文章中,我们会讨论两个重要的方法:迁移学习和多任务学习。
朱晓霞
2022-03-04
3610
用机器学习搞艺术,谷歌 Megenta 项目集锦(附 Github)
雷锋网 AI 研习社按:本文为雷锋字幕组编译的技术博客,原文 Make Music and Art Using Machine Learning,作者 magenta。
朱晓霞
2022-03-04
1.1K0
Kaggle 竞赛第五名分享经验给你
这篇文章记录了我参加 Kaggle 植物幼苗分类比赛 所采用的方法。我曾连续几个月占据榜首,并最终名列第五。这些方法通用性很好,可以应用到其他的图片分类任务中。(戳链接:https://www.kaggle.com/c/plant-seedlings-classification))
朱晓霞
2022-03-04
5580
目标检测入门(三):基础网络演进、分类与定位的权衡
从此篇开始,我们对近几年检测领域的工作提供一个概览,并试图从中归纳出一些趋势。由于篇幅和视野所限,文章不会求全,相对注重思路的演进,淡化实验结果的报告。事实上,我们并没有看到这一任务上的"The Best Paper"和"The Final Paper",现阶段的工作远远没有到解决这一问题的程度,深度学习模型也仍然是非常年轻的研究领域。
朱晓霞
2022-03-04
3680
目标检测的性能上界讨论
发现了最近 arxiv 上的一篇文章 Empirical Upper-bound in Object Detection and More,作者们在多个数据集上探讨了多种检测器所能达到的性能上限,颇有当年 Speed/accuracy trade-offs for modern convolutional object detectors 的风采。“目标检测还有什么能做的?”这个问题确实很令人迷茫,但自己今后仍然会密切关注这个方向,希望能和这篇文章一样,为大家带来一些启发。
朱晓霞
2020-02-25
8930
题库 | 这10套深度学习算法题,让面试官对你青眼有加
深度学习系列题库共10期,每期有10道热门精选题目,共计100道,其中包含神经网络、激活函数、训练样本等经常出现在各大笔试、面试中的相关问题。同时,本系列也包含了详细解题思路,刷完这100道题,面试官口中深度学习的问题,相信你可以对答如流的。
朱晓霞
2019-10-21
1.9K0
密歇根大学40页《20年目标检测综述》最新论文,带你全面了解目标检测方法
题目:Object Detection in 20 Years: A Survey
朱晓霞
2019-06-14
1.4K0
谷歌大脑提出:基于NAS的目标检测模型NAS-FPN,超越Mask R-CNN
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:
朱晓霞
2019-06-14
1.5K0
CVPR2019 论文解读汇总(包括目标检测、姿态估计、语义分割等,更新中)
1、CVPR2019 | Guided Anchoring: 物体检测器也能自己学 Anchor 物体检测领域论文"Region Proposal by Guided Anchoring"解读,这篇 paper 的方法用在了 COCO Challenge 2018 检测任务的冠军方法中,在极高的 baseline 上涨了1个点。论文目前已被CVPR2019接收。
朱晓霞
2019-05-21
9.7K0
目标检测训练trick超级大礼包—不改模型提升精度,值得拥有
下图展示了使用此trick大礼包训练Faster RCNN和YOLOv3之后,获得的精度增益,相同的算法最多竟有+4.0%AP的增长!
朱晓霞
2019-05-17
1.9K0
Deep Image Prior——图像恢复入门
图像恢复是指从其劣质图像中恢复未知真实图像的任务。 图像损耗可能在图像形成,传输和存储期间发生。 该任务广泛的用于卫星成像,低光摄影。由于数字技术的进步,计算和通信技术从退化图像恢复清晰图像非常重要。
朱晓霞
2019-05-17
1.2K0
完美代替传统卷积!Facebook等提出全新卷积操作OctConv,速度接近理论极限
近日,Facebook AI、新加坡国立大学、360 人工智能研究院的研究人员提出一种新的卷积操作 ——Octave Convolution (OctConv)。
朱晓霞
2019-05-13
7050
CVPR 2019 | 天秤座R-CNN:全面平衡的目标检测器
这是一篇浙江大学和香港中文大学发表于 CVPR 2019 的论文,这篇文章十分有趣,网友戏称:“无痛涨点,实现简单,良心 paper”,在我看来确实是这样的,没有太大的改造结构,不需增加计算成本的条件下,居然能涨两个点 mAP。
朱晓霞
2019-05-13
6010
历年 CVPR 最佳论文盘点(2000 年——2018 年)
作为计算机视觉领域的顶级学术会议,CVPR 2019 近期公布了最终论文接收结果,引来学界密切关注。据悉,CVPR 2019 今年一共获得 5165 篇有效提交论文,最终抉出了 1300 篇接收论文,接收率达到 25.2% 。
朱晓霞
2019-04-30
1K0
英伟达发布迁移学习工具包,现在可以申请早期试用
最近,英伟达发布了一个迁移学习工具包 (Transfer Learning Toolkit) 。
朱晓霞
2018-12-21
6490
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
作为全球计算机四大名校之一,斯坦福大学的CS230《深度学习》课程一直受到全球计算机学子和从业人员的热烈欢迎。
朱晓霞
2018-12-21
6370
无需深度学习框架,如何从零开始用Python构建神经网络
这是一份用于理解深度学习内部运作方式的初学者指南。作者根据自己从零开始学习用 Python 构建神经网络的经验,编写了一份攻略。内容涵盖神经网络定义、损失函数、前向传播、反向传播、梯度下降算法,对于想要了解深度学习运作原理的各位来说,内容精彩不可错过。
朱晓霞
2018-07-23
3650
收藏!深度学习速查手册(文末附链接)
手册下载链接:https://github.com/kailashahirwar/cheatsheets-ai
朱晓霞
2018-07-23
4240
全连接网络到卷积神经网络逐步推导(组图无公式)
摘要: 在图像分析中,卷积神经网络(Convolutional Neural Networks, CNN)在时间和内存方面优于全连接网络(Full Connected, FC)。这是为什么呢?卷积神经网络优于全连接网络的优势是什么呢?卷积神经网络是如何从全连接网络中派生出来的呢?卷积神经网络这个术语又是从哪里而来?这些问题在本文中一一为大家解答。
朱晓霞
2018-07-23
5320
从零开始PyTorch项目:YOLO v3目标检测实现
在过去几个月中,我一直在实验室中研究提升目标检测的方法。在这之中我获得的最大启发就是意识到:学习目标检测的最佳方法就是自己动手实现这些算法,而这正是本教程引导你去做的。
朱晓霞
2018-07-23
2.3K0
点击加载更多
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