轻量级卷积神经网络综述：从SqueezeNet到MixNet
在先前的神经网络发展中，神经网络通常是通过加深、加宽网络结构或重复使用特征图来提高网络的性能。但在网络性能提升的同时，也导致了其对内存、CPU/GPU需求大，推演速度慢，耗电量高等问题，难以运用在实时场景和移动设备中。如自动驾驶车载神经网络运行速度慢就有可能导致事故发生，耗电量高则会导致汽车、手机等
...
SSD: Single-shot detectors
论文地址：SSD: Single Shot MultiBox Detector
概述本文提出了一个基于深度神经网络的单步(single shot)目标检测器SSD，其在继承了YOLO单步预测高检测速度的同时，拥有不弱于Faster R-CNN的准确度。
SSD 网络结构
从图中可以看出：
不同于Y
...
盘点那些在github上找到的宝藏
发表于
字数统计:
673
|
阅读时长 ≈
20分钟
计算机视觉&深度学习超级Road Map！：盘点了计算机视觉相关的深度学习技术，涵盖了目标分类、目标检测、目标分割、GAN、轻量级模型、人脸检测、人脸识别、人脸对齐、3DCNN、风格迁移、OCR、姿态检测等方向（没有SLAM、自动驾驶、行人检测、对抗样本）的学习路线和各个模型的概述。CVe
...
YOLOv1 - YOLOv3
YOLOv1论文地址：You Only Look Once: Unified, Real-Time Object Detection
摘要众所周知，在深度学习目标检测领域有着两个流派，分别是基于候选区域的R-CNN流派和直接回归输出边框的YOLO流派。R-CNN系列的准确率较高，但即便发展到Fast
...
深度学习自动驾驶概述
发表于
字数统计:
271
|
阅读时长 ≈
10分钟
目标：使用端到端的深度学习方法，根据车载摄像头的画面来判断如何打方向盘和踩油门。
参考论文：End to End Learning for Self-Driving Cars
收集数据：
汽车人为行驶时，其左中右三个摄像头、方向盘转向、油门、转向灯等数据都会通过其 CAN bus 传入处理器。而
...
Kaggle days China, Oct 2019
发表于
字数统计:
4k
|
阅读时长 ≈
140分钟
Winning competitions with deep learning skills — SeuTao
Prepare for a DL competition
GPUs 是基础&必要条件，但不是获得金牌的决定性条件。有着9块金牌的涛神在2019年也才只有2块1080ti而已。
多读
...
深度学习语义分割初期（FCN、UNet、SegNet）
FCN论文地址：Fully Convolutional Networks for Semantic Segmentation
概述原始的 CNN 在图像的分类和定位任务中都获得了不错的成绩，但在分割任务中表现不佳。本文提出了一种全卷积网络(Fully Convolution Network, FCN
...
R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN 系列论文解读
R-CNN论文地址：Rich feature hierarchies for accurate object detection and semantic segmentation
发布时间：2014.10.22
背景伴随着AlexNet的横空出世，卷积神经网络开始进入人们的视线，R-CNN便是将卷
...