这些优秀的组织正在使用:

Updated 7 months ago Python

Updated 7 months ago Python

SSD是一种非常优秀的one-stage目标检测方法,其主要思路是利用CNN提取特征后,均匀地在图片的不同位置进行密集抽样,抽样时可以采用不同尺度和长宽比,物体分类与预测框的回归同时进行,整个过程只需要一步,所以其优势是速度快。该项目采用的主网络是mobilenetV2

Updated 4 months ago Python

SSD是一种非常优秀的one-stage目标检测方法,其主要思路是利用CNN提取特征后,均匀地在图片的不同位置进行密集抽样,抽样时可以采用不同尺度和长宽比,物体分类与预测框的回归同时进行,整个过程只需要一步,所以其优势是速度快。该项目采用的主网络是mobilenetV2,且利用了FPNlite的结构。

Updated 4 months ago Python

Updated 5 months ago Python

Updated 6 months ago Text

Faceboxes is a novel face detector with superior performance on both speed and accuracy. Moreover, the speed of FaceBoxes is invariant to the number of faces.

Updated 4 months ago Text

nception_ResNet_v2是Google的深度学习卷积架构系列的一个版本。Inception_ResNet_v2主要通过修改以前的Inception架构来减少计算资源的消耗。该方法在2016年出版的Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning一文中提出的。

Updated 4 months ago Python

Deep Embedding Model for ZSL

Updated 4 months ago Python

cgan can generate digit pictures by noise

Updated 4 months ago Python

MCNN was a Multi-column Convolution Neural Network which can estimate crowd number accurately in a single image from almost any perspective.

Updated 7 months ago Python

NTS-Net通过多代理合作机制实现对于细粒度图像分类的关键区域定位,通过FPN网络引入信息量,并基于信息量和置信度的排序loss来指导定位到关键anchor。

Updated 7 months ago Python

Cascade_RCNN in Mindspore

Updated 7 months ago Python

Updated 6 months ago Python

Updated 6 months ago Python

Updated 6 months ago Python

Updated 4 months ago Python

SE-ResNeXt是一个图像分类网络架构。作者注重于通道关系提出了Squeezeand-Excitation(SE)块,并在ResNeXt模型的基础上加入了该模块,提高了分类准确率。

Updated 4 months ago Python

Single_Path_NAS通过一个7x7的卷积来替换3x3、5x5和7x7的三种卷积(外边一圈mask清零可以变成3x3或5x5),这个大的卷积成为superkernel,于是整个网络只有一种卷积,看起来是一个直筒结构。搜索空间是基于block的直筒结构,跟ProxylessNAS和FBNet一样,都采用Inverted Bottleneck 作为cell, 层数跟MobileNetV2一样都是22层,每层只有两个参数 expansion rate, kernel size需要搜索,其他都已固定,比如22层中每层的filter number已固定死,跟FBNet一样,跟MobileNetV2比略有变化。论文中的kernel size和FBNet、 ProxylessNAS一样只有3x3和5x5两种,没有用上7x7。论文中的expansion ratio也只有3和6两种选择。kernel size 和 expansion ratio都只有2种选择,论文选择用Lightnn这篇论文中的手法,把离散选择用连续的光滑函数来表示,阈值用group Lasso term。论文用了跟ProxylessNAS一样的手法来表达skip connection, 用一个zero layer表示。

Updated 4 months ago Python

centernet将目标当成关键点进行检测,结构简单,是无锚框目标检测算法的典型代表。堆叠的沙漏网络将输入下采样 4 倍,然后是两个连续的沙漏模块,每个沙漏模块是一个对称的 5 层上下卷积网络,具有跳跃连接,这个网络相当大,但通常会产生最好的关键点估计性能。

Updated 2 months ago Python