腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
YZh学习记录
专栏成员
举报
19
文章
25371
阅读量
16
订阅数
订阅专栏
申请加入专栏
全部文章(19)
神经网络(7)
编程算法(6)
打包(5)
深度学习(5)
网络安全(4)
https(4)
机器学习(3)
c++(3)
linux(2)
访问管理(2)
人工智能(2)
卷积神经网络(2)
c#(1)
html(1)
汇编语言(1)
ide(1)
github(1)
图像处理(1)
开源(1)
图像识别(1)
监督学习(1)
ghost(1)
pixel(1)
point(1)
搜索文章
搜索
搜索
关闭
GhostNet: More Features from Cheap Operations论文解析
编程算法
ghost
神经网络
机器学习
深度学习
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。本文提出了一种新颖的Ghost模块,可以通过简单的操作生成更多的特征图。基于一系列内在的特征图,我们应用了一系列简单的线性变换以生成许多ghost特征图,这些ghost特征图可以充分揭示内部特征的信息。提出的Ghost模块可以作为即插即用组件来升级现有的卷积神经网络。Ghost boottlenecks 旨在堆叠Ghost模块,然后可以轻松建立轻量级的GhostNet。实验表明:我们的GhostNet可以实现比MobileNetV3更高的识别性能(例如75.7%top-1精度)。
yzh
2020-11-10
1.2K
0
论文翻译:Deep Learning on Radar Centric 3D Object Detection
图像处理
深度学习
图像识别
人工智能
神经网络
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。近期研究表明可以将深度神经网路应用于雷达数据。本论文提出一种基于深度学习的radar 3D 目标检测。据我们所知,我们是第一个展示基于深度学习的radar 3D 目标检测模型,该模型是在雷达的公共数据集上训练所得。为了克服缺乏雷达标记数据的问题,我们利用大量的LiDAR点云数据,将其转换为类似radar的点云数据和有效的雷达数据增强技术。
yzh
2020-11-09
1K
0
MobileNetV2 论文阅读
https
网络安全
神经网络
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多,而倒置的残差结构刚好相反,中间的卷积通道数(依旧使用深度分离卷积结构)较多,旁边的较小。此外,我们发现去除主分支中的非线性变换是有效的,这可以保持模型表现力。
yzh
2020-10-26
1.4K
0
相机标定1:坐标系关系
pixel
point
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,如下图所示:
yzh
2020-10-18
1.2K
0
CAM 系列论文阅读总结
访问管理
神经网络
CAM全称Class Activation Mapping,既类别激活映射图,也被称为类别热力图。
yzh
2020-09-25
1.5K
0
CAM 论文阅读
访问管理
卷积神经网络
神经网络
机器学习
深度学习
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积神经网络具有卓越的定位能力。虽然这项技术以前被当做正则化训练的一种方法,但是我们发现它实际构建了一种通用的适用于各种任务的能定位的深度表示。尽管global average pooling很简单,我们仍然能够在2014年的ILSVRC物体定位比赛中得到37.1%的top-5错误率,与CNN的34.2%top-5错误率非常接近。我们证明了我们的网络能在各种任务中区分图像区域进行定位,尽管没有经过(定位)训练。
yzh
2020-09-21
1.1K
0
C++第二章 变量与基本类型
编程算法
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
2020-09-11
927
0
MobileNetv1 论文阅读
神经网络
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。我们介绍两个能够有效权衡延迟和准确率的简单的全局超参数。这些超参数允许模型构造器能够根据特定问题选择合适大小的模型。
yzh
2020-09-11
725
0
squeezenet 论文阅读
机器学习
神经网络
深度学习
人工智能
卷积神经网络
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。而具有更少参数的 CNN 体系结构具有以下几个优点:
yzh
2020-09-08
554
0
Resnet 分享之问题汇总
监督学习
10. 池化与strid= 2 的比较,区别。为什么用stride = 2 代替 池化
yzh
2020-08-28
456
0
深度学习trick--labelsmooth
https
网络安全
Label smoothing其全称是 Label Smoothing Regularization(LSR),即标签平滑正则化。
yzh
2020-08-22
1.7K
0
valgrind测试报告分析
编程算法
开源
linux
valgrind输出结果会报告5种内存泄露,"definitely lost", "indirectly lost", "possibly lost", "still reachable", and "suppressed"。这五种内存泄露分析如下:
yzh
2020-08-17
3.1K
0
cmake Tips
打包
c++
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
2020-08-15
894
0
ResNet那些事~
编程算法
深度学习
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高了网络性能。
yzh
2020-08-08
1.2K
0
静态库与动态库的那些事
c++
打包
汇编语言
编程算法
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
2020-08-08
1.6K
0
CMAKE学习记录(二)
编程算法
打包
# 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
2020-08-07
1.2K
0
faster RCNN 学习记录
https
网络安全
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
2020-08-05
635
0
valgrind使用介绍
html
打包
ide
linux
github
-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
2020-08-04
3.1K
0
cmake学习
打包
c#
https
网络安全
c++
根据cmake编写命令(CMakeLists.txt),生成对应的makefile文件(Makefile)。
yzh
2020-08-04
1.9K
0
没有更多了
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
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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