首页
学习
活动
专区
工具
TVP
发布

GiantPandaCV

专栏成员
722
文章
992179
阅读量
100
订阅数
开集识别: A Good Closed-Set Classifier is All You Need
1. 论文信息 标题:Open-Set Recognition: a Good Closed-Set Classifier is All You Need? 作者:Sagar Vaze, Kai Ha
BBuf
2022-09-28
1.8K0
Out-of-Distribution Detection with Deep Nearest Neighbors
标题:Out-of-Distribution Detection with Deep Nearest Neighbors
BBuf
2022-09-28
1.2K0
动态稠密SLAM的自监督场景运动分解
场景运动估计的任务是获取动态场景的三维结构和三维运动,在论文"DeFlowSLAM: Self-Supervised Scene Motion Decomposition for Dynamic Dense SLAM",作者提出了一种基于双流的运动估计算法,并且不需要对对象检测进行显式监督,更好地模拟了人类看待世界的方式。此外,该方法可以支持单目、双目和RGB-D等数据格式,算法即将开源。
BBuf
2022-09-28
9480
踩坑记 如何编译所有版本的TVM
【GiantPandaCV导语】笔者把tvm v0.9、v0.8、v0.6、v0.5、v0.4、v0.3、v0.2、v0.1都本地安装编译了,也就是除了v0.7没有本地编译以外所有版本都测试了,docker也测试了。遇到了好多小问题,故记录一下。然后测试dlsys的课的作业,原link为dlsys-course/assignment2-2018: (Spring 2018) Assignment 2: Graph Executor with TVM (github.com)
BBuf
2022-05-27
9510
工程部署(三): 低算力平台模型性能的优化
此文讨论如何在低端的移动设备上提高模型性能,文章针对模型(不改变模型原有op情况下,不需要重新训练)和后处理两部分的优化开展讲解,若有不当之处,望批评指出!
BBuf
2022-02-11
1.1K0
2021 BDCI 华为零售商品识别竞赛一等奖方案分享
【GiantPandaCV导语】上学期快结束的时候参加了华为和CCF组织的零售商品识别的比赛,队伍名称为GiantPandaCV队,比赛大约持续了两个月,期间从开始摸索MindSpore框架,配置环境,上手ModelArts花费了不少功夫。现在比赛终于告一段落,本文进行一下复盘。
BBuf
2022-02-11
7150
CoAtNet: 90.88% Paperwithcode榜单第一,层层深入考虑模型设计
CoAt=Convolution + Attention,paperwithcode榜单第一名,通过结合卷积与Transformer实现性能上的突破,方法部分设计非常规整,层层深入考虑模型的架构设计。
BBuf
2022-02-11
1.2K0
高分遥感图像解决方案
中科星途遥感图像解译大赛今年有六个赛道,涵盖检测、分割、跟踪等任务。其中检测主赛道依托中科院新发布的百万级实例的FAIR1M数据集。具体赛道情况如下:
BBuf
2021-12-02
8140
提升分类模型acc(三):优化调参
这是本系列的第三篇文章,前两篇主要是讲怎么取得速度&精度的平衡以及一些常用的调参技巧,本文主要结合自身经验讲解一些辅助训练的手段和技术。
BBuf
2021-11-12
1.1K0
【分类技巧】Fixing the train-test resolution discrepancy
【GiantPandaCV导语】调研分类方法的时候师姐推荐的一篇paper,其核心是训练的时候使用小分辨率,测试的时候使用大分辨率(训练分辨率的1.15倍),能够有效提升验证精度。
BBuf
2021-11-12
4530
追求极致:Repvgg重参数化对YOLO工业落地的实验和思考
【GiantPandaCV导语】之前做了一次shufflenetv2与yolov5的组合,目的是为了适配arm系列芯片,让yolov5在端侧设备上也能达到实时。但在gpu或者npu方面也一直在尝试着实验,对此类实验的目的很明确,要求也不高,主要还是希望yolov5在保持原有精度的同时能够提速。这一次的实验主要借鉴repvgg重参化的思想,将原有的3×3conv替换成Repvgg Block,为原有的YOLO模型涨点。本文版权属于GiantPandaCV,未经允许请勿转载
BBuf
2021-10-08
1.4K0
CVPR2021-Representative BatchNorm
BatchNorm模块能让模型训练更加稳定,因而被广泛使用。它的中心化以及缩放步骤需要依赖样本统计得到的均值和方差,而这也导致了在归一化的过程,忽视了各个实例的区别。其中,中心化步骤是为了增强信息特征,减少噪声。而缩放步骤是为了让特征服从一个稳定的分布。考虑到不同实例有不同特点,我们引入了简单有效的特征校准步骤(feature calibration scheme),改进得到Representative BatchNorm,在各大图像任务均有一定的提升。
BBuf
2021-04-16
7840
Towards Open World Object Detection -CVPR2021 Oral(开放世界中的目标检测)
首先基于一个现象:人类在对事物进行观察的时候,是能够检测到每个实例,并按照自己已知的知识来对每个实例进行分类,有认知的归属到对应类别,无认知的归属到未知(unknown),而过往的深度学习检测任务所完成的工作只能对已有认知的实例进行定位和分类,所以作者提出,能否使得检测算法达到更近似人类的认知体验?所以作者提出了“开放世界目标检测”任务。作者原文中对这个任务的解释如下:
BBuf
2021-04-16
2.1K0
CVPR论文《100+ Times Faster Weighted Median Filter (WMF)》的实现和解析
【GiantPandaCV导语】由于太硬核,小编已经写不出来导语了。 请直接阅读正文。本文首发于博客园https://www.cnblogs.com/Imageshop/p/9934670.html,然后ImageShop博主授权本公众号以他原创名义发布本篇文章,请勿恶意点举报,谢谢合作。
BBuf
2021-01-08
9670
CenterNet测试推理过程
代码注释在:https://github.com/pprp/SimpleCVReproduction/tree/master/CenterNet
BBuf
2020-09-02
9770
多平台轻量级PyTorch模型推理框架MsnhNet
Ps: 目前本框架在持续开发中,后续将支持GPU版本.也欢迎有志之士一块维护本框架. 欢迎Star.
BBuf
2020-07-10
1.6K0
基于Pytorch构建一个可训练的BNN
一般我们在构建CNN的时候都是以32位浮点数为主,这样在网络规模很大的情况下就会占用非常大的内存资源。然后我们这里来理解一下浮点数的构成,一个float32类型的浮点数由一个符号位,8个指数位以及23个尾数为构成,即:
BBuf
2020-07-09
1.6K0
DeepFake系列之Easy to Spot
今天给大家介绍的是一篇由Adobe团队做的一份工作,他们通过一些简单的数据增强方法来增强检测模型对不同GAN数据集的鲁棒性
BBuf
2020-06-09
5140
【AlexeyAB DarkNet框架解析】十二,Dropout层代码详解
继续DarkNet源码解析,本次解析src/dropout.h和src/dropout.c两个文件,也即是Dropout层。
BBuf
2020-04-01
8770
目标检测算法之ECCV 2018 RFBNet,在检测中调感受野
今天为大家科普一篇ECCV 2018的一篇目标检测网络RFBNet,论文全名为:Receptive Field Block Net for Accurate and Fast Object Detection 。这篇论文主要的贡献点主要是在SSD网络中提出了一个Receptive Field Block (RFB) 模块,RFB模块主要是在Inception的基础上加入了空洞卷积层从而有效的增大了感受野。另外,RFB模块是嵌在SSD上的,所以检测的速度比较快,精度比SSD更高。
BBuf
2020-03-05
1.5K0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
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