发简信
IP属地：香港
-
-
我当初是直接从论文中截的
论文略读--语义分割相关（一）
一、Global Aggregation then Local Distribution in Fully Convolutional Networks 核心思想：利用全局信...
-
CVPR2020部分文章略读本部分是笔者对CVPR2020部分感兴趣的文章的略读，大致包括图像分类、检测以及分割三个主题，由于是略读，因此不会对文章进行细致的分析，而只会大体阐述实现的方法。 图像分类：...
-
-
论文略读--语义分割相关（一）一、Global Aggregation then Local Distribution in Fully Convolutional Networks 核心思想：利用全局信...
-
经典目标检测网络学习零、目标检测 目前目标检测的相关方法大致分为两种，一种是one-stage，另一种是two-stage，后者是先生成候选框，然后对候选框进行分类，前者是不生成候选框，直接将目...
-
制作VOC2007数据集常用代码
研究背景 由于研究时常根据使用情况，制作符合要求的数据集，因而将需要的代码整理。 数据集结构 └── VOCdevkit #根目录└── VOC2012 #不同年...
-
-
论文阅读-注意力可视化
此部分主要是Chunshui Cao的几篇文章 一、Lateral Inhibition-Inspired Convolutional Neural Network for ...
-
网络学习系列（十）shufflenetshufflenet v1 要解决的问题： 论文追求的也是轻量化的网络，作者发现，无论是xception网络还是resnext网络，虽然性能较高，但耗费了大量的运算资源，作者...
-
网络学习系列（九）mobilenetmobilenet v1 要解决的问题： 目前大多数的网络虽然能实现比较高的性能，但网络过于庞大，所以论文要解决的就是轻量化的问题，试图将网络嵌入到移动端。 亮点： 1、将标...
-
网络学习系列（八）Xcetion要解决的问题： xcetion深刻研究了inception的思想，指出inception网络的实质就是将空间的相关性与通道的相关性进行解耦，但解耦的并不完全，所以论文要解决的...
-
网络学习系列（七）Squeeze-and-Excitation Networks
要解决的问题： CNN是通过融合局部感受野与通道的信息来提取特征，现在许多工作已经证明增强空间编码，即增强空间信息之间的依赖关系可以增强网络的表示能力。本论文所做的工作不涉及...
-
网络学习系列（六）ResNeXt要解决的问题： 目前来说，提高网络的性能，要不就是增加网络的深度，要不就是增加网络的宽度，但这样做无疑会增加网络设计的难度与计算的开销，所以，能否设计一种网络结构，在不增加网...
-
网络学习系列（五）DenseNet要解决的问题： 作者认为，在resnet中正是由于短连接的使用才使网络可以变得很深，那么，能否使用短连接对网络做一定的改进使得网络可以更深？ 相关信息： 1、加入跳跃连接，可...
-
网络学习系列（四）ResNet
要解决的问题： 更深的网络难以训练。对于深层的网络可能会出现的梯度消失与梯度爆炸的问题，但是随着初始标准化与中间层标准化操作的出现，已经得到了很好的解决，然而，实验结果表明，...
-
论文阅读-CBAM: Convolutional Block Attention Module研究问题： 在给定特征图下，通过通道和空间两个维度推导出注意力图，然后将注意力图乘到输入的特征图上以用来自适应的细化输入的特征。设计的CBAM是一个轻量的模块，可以方便的集成...
