网站首页 featuremaps 第2页

• 

  深入卷积神经网络:高级卷积层原理和计算的可视化

  在深度计算机视觉领域中，有几种类型的卷积层与我们经常使用的原始卷积层不同。在计算机视觉的深度学习研究方面，许多流行的高级卷积神经网络实现都使用了这些层。这些层中的每一层都有不同于原始卷积层的机制，这使得每种类型的层都有一个特别特殊的功能。在...

  2024-09-09 btikc 技术文章 11 ℃ 0 评论
• 

  卷积神经网络(CNN)的组成结构与功能说明

  卷积神经网络（CNN）主要由卷积层、池化层和全连接层组成，每种层都有其特定的功能和责任。卷积层（ConvolutionalLayer）：...

  2024-09-09 btikc 技术文章 9 ℃ 0 评论
• 

  BorderDet:边界特征大幅提升检测准确率，即插即用 | ECCV20Oral

  边界对于定位问题十分重要，BorderDet的核心思想BorderAlign巧妙又有效，将边界特征融入到目标定位预测中，而且能够简单地融入到各种目标检测算法中带来较大的性能提升下。在开源实现中，对BorderAlign进行了高效CUDA实现...

  2024-09-09 btikc 技术文章 8 ℃ 0 评论
• 

  一篇卷积神经网络的编年史

  雷锋网按：提起卷积神经网络你会想到什么？LeNet、AlexNet还是ResNet？它们之间有哪些差别和特点，又经历了怎样的发展和演变？本文将针对这一话题展开讨论。原文作者杨熹，载于作者的个人博客...

  2024-09-09 btikc 技术文章 9 ℃ 0 评论
• 

  若派发布了SSD神经网络训练工具 让若派带你解读SSD神经网络

  若派发布了SSD神经网络训练工具，基于SPR2801S的神经网络计算棒，可以高效的实现目标检测、分类等视频结构化应用。...

  2024-09-09 btikc 技术文章 9 ℃ 0 评论
• 

  干货!在语义分割任务中学习统计化纹理

  现有语义分割研究主要关注高层次语义特征的提取，（例如通过各类注意力模型提取全局的上下文信息），对低层次特征提取方式的研究工作相对较少。但低层次特征同样也在语义分割中发挥重要作用。论文提出了一个量化与计数模块（QCO）来以统计的方式在深度神经...

  2024-09-09 btikc 技术文章 9 ℃ 0 评论
• 

  深度学习和OpenCV的对象检测(MobileNet SSD图像识别)

  基于深度学习的对象检测时，我们主要分享以下三种主要的对象检测方法：FasterR-CNN(后期会来学习分享)你只看一次（YOLO，最新版本YOLO3,后期我们会分享）单发探测器（SSD，本节介绍，若你的电脑配置比较低，此方法比较适合）...

  2024-09-09 btikc 技术文章 10 ℃ 0 评论
• 

  超越传统分类网络:基于弱监督数据增强的细粒度分类

  写在前面本?是?篇细粒度分类领域性能达到stateofart的?章分析。之前?直对细粒度分类领域不太了解，直到最近开始做?些分类任务时发现，直接使??般图像分类领域的cnn模型，例如resnet、efficientnet等，...

  2024-09-09 btikc 技术文章 8 ℃ 0 评论
• 

  深度学习变革视觉实例搜索

  雷锋网按：本文作者邓启力，哈尔滨工业大学深圳研究生院计算机系硕士研究生二年级，导师为“鹏城学者”徐勇教授。研究兴趣为深度学习与计算机视觉。曾获2015年首届阿里巴巴大规模图像搜索大赛二等奖，总排名第三名。摘要近些年，深度学习在各种计算机视觉...

  2024-09-09 btikc 技术文章 8 ℃ 0 评论
• 

  SSD原理解读-从入门到精通

  目录前言目录SSD效果为什么这么好原因1：多尺度原因2：设置了多种宽高比的defaultbox理论感受野和有效感受野为什么要设置defaultbox?...

  2024-09-09 btikc 技术文章 8 ℃ 0 评论