yzh

LV1
关注了用户

魏晓蕾

在计算机的世界里越陷越深

426 文章0 回答42 关注者
发表了文章

GhostNet: More Features from Cheap Operations论文解析

由于内存和计算资源有限,很难在嵌入式设备上部署卷积神经网络(CNN)。特征图中的冗余是那些成功的CNN的重要特点,但很少在神经体系结构设计中进行研究。本文提出了...

yzh
发表了文章

论文翻译:Deep Learning on Radar Centric 3D Object Detection

即使许多现有的3D目标检测算法主要依赖于摄像头和LiDAR,但camera和LiDAR容易受到恶劣天气和光照条件的影响。radar能够抵抗这种情况。近期研究表明...

yzh
发表了文章

MobileNetV2 论文阅读

MobileNetv2架构是基于倒置残差结构(inverted residual structure),原本的残差结构的主分支是有三个卷积,两个逐点卷积通道数较...

yzh
发表了文章

相机标定1:坐标系关系

于是,从世界坐标系到相机坐标系,涉及到旋转和平移(其实所有的运动也可以用旋转矩阵和平移向量来描述)。绕着不同的坐标轴旋转不同的角度,得到相应的旋转矩阵,如下图所...

yzh
发表了文章

CAM 系列论文阅读总结

CAM全称Class Activation Mapping,既类别激活映射图,也被称为类别热力图。

yzh
发表了文章

CAM 论文阅读

重新审视《 Network in network》中提出的全局平均 池化层(global average pooling),并阐明了它是如何通过图片标签就能让卷...

yzh
发表了文章

C++第二章 变量与基本类型

c++中的类型检查发生在编译阶段,因此编译器必须知道程序中每一个变量所对应的类型。

yzh
发表了文章

MobileNetv1 论文阅读

我们针对移动端以及嵌入式视觉的应用提出了一类有效的模型叫MobileNets。MobileNets基于一种流线型结构使用深度可分离卷积来构造轻型权重深度神经网络...

yzh
发表了文章

squeezenet 论文阅读

最近对深卷积神经网络 (CNNs) 的研究主要集中在提高计算机视觉数据集的精确度上。对于给定的精度级别, 通常可以用不同的 CNN 体系结构来实现了该精度级别。...

yzh
发表了文章

Resnet 分享之问题汇总

10. 池化与strid= 2 的比较,区别。为什么用stride = 2 代替 池化

yzh
发表了文章

深度学习trick--labelsmooth

Label smoothing其全称是 Label Smoothing Regularization(LSR),即标签平滑正则化。

yzh
发表了文章

valgrind测试报告分析

valgrind输出结果会报告5种内存泄露,"definitely lost", "indirectly lost", "possibly lost", "st...

yzh
发表了文章

cmake Tips

结合最近cmake的运用,对cmake的使用做简要总结。主要是关键词,编译思路的理解。

yzh
发表了文章

ResNet那些事~

增加网络的深度可以很好的提高网络的性能,深的网络一般都比浅的的网络效果好,一个比较好的例子就是VGG,该网络就是在AlexNex的基础上通过增加网络深度大幅度提...

yzh
发表了文章

静态库与动态库的那些事

完成宏替换、文件引入、以及去除空行、注释等,为下一步的编译做准备。也就是对各种预处理命令进行处理,包括文件的包含、宏定义的扩展、条件编译的选择等。

yzh
发表了文章

CMAKE学习记录(二)

# 找到boost特定版本,以及需要的子模块,1.46.1为最低版本,REQUIRED强调必须找到该模块,否则编译失败;

yzh
发表了文章

faster RCNN 学习记录

loss的计算过程需要知道真值和预测值。所以求取loss的过程就是真值与预测值求取的过程。

yzh
发表了文章

valgrind使用介绍

-O0 、-O1 、-O2 、-O3 编译器的优化选项的 4 个级别,-O0 表示没有优化, -O1 为默认值,-O3 优化级别最高。

yzh
发表了文章

cmake学习

根据cmake编写命令(CMakeLists.txt),生成对应的makefile文件(Makefile)。

yzh

个人简介

个人成就

扫码关注云+社区

领取腾讯云代金券