网站首页 第1060页
-
难以置信的目标检测小妙招
随着深度学习技术的成熟，设计新的算法在主流的目标检测数据集比如COCO上提升精度已经很难了，但总有一些涨点技巧，比如谷歌前几天公布的简单粗暴“复制-粘贴”数据增广，简单又有效，让人措不及防。今天要跟大家介绍一篇新文章SWAObject...
2024-09-24 btikc 技术文章 17 ℃ 0 评论 -
YoloV:目标实时检测效果依然很棒(附源代码下载)
...
2024-09-24 btikc 技术文章 17 ℃ 0 评论 -
目标检测名词-2-mAP Precision Recall Accuracy
mAP：m...
2024-09-24 btikc 技术文章 15 ℃ 0 评论 -
熬了一晚上，我从零实现了Transformer模型，把代码讲给你听
作者丨伟大是熬出来的@知乎（已授权）来源丨https://zhuanlan.zhihu.com/p/411311520...
2024-09-24 btikc 技术文章 15 ℃ 0 评论 -
通过7个版本的attention的变形，搞懂transformer多头注意力机制
——1——...
2024-09-24 btikc 技术文章 16 ℃ 0 评论 -
Transformer靠数据堆?无数据怎么办?LUT说「冇问题」|AAAI 2021
作者：叶蓉...
2024-09-24 btikc 技术文章 16 ℃ 0 评论 -
ACL 2019 | 将带推敲解码器的增量Transformer用于文档级知识对话
作者|徐家兴编辑|Camel本文将对ACL2019论文《IncrementalTransformerwithDeliberationDecoderforDocumentGroundedConversations》进...
2024-09-24 btikc 技术文章 15 ℃ 0 评论 -
如何突破Decoder性能瓶颈?揭秘FasterTransformer的原理与应用
位来发自凹非寺量子位报道|公众号QbitAI4月9日，英伟达x量子位分享了一期nlp线上课程，来自NVIDIA的GPU计算专家、FasterTransformer2.0开发者之一的薛博阳老师，与数百位开发者共同探讨了：Fast...
2024-09-24 btikc 技术文章 17 ℃ 0 评论 -
如何突破Decoder性能瓶颈?揭秘FasterTransformer2的原理与应用
位来发自凹非寺量子位报道|公众号QbitAI自从“AttentionisAllYouNeed”在2017年提出以来，Transformer已成为NLP领域中非常热门的深度学习网络架构。但是在推理部署阶段，其计算性...
2024-09-24 btikc 技术文章 19 ℃ 0 评论 -
基于YOLO V3算法(深度学习)的交通标志牌检测识别系统 计算机毕设
摘要深度学习作为一种强大的机器学习方法，能够自动从大量数据中提取特征并进行模式识别，因此在交通标志识别领域具有广阔的应用前景。本文旨在研究并开发一种基于深度学习的交通标志识别系统，以提高交通标志识别的准确性和效率。本文首先介绍了交通标志识...
2024-09-24 btikc 技术文章 19 ℃ 0 评论
- 控制面板
- 网站分类
- 最新留言