暂时未有相关云产品技术能力~
暂无个人介绍
详细解读GraphFPN | 如何用图模型提升目标检测模型性能?
实验分析非常精彩 | Transformer中的位置嵌入到底改如何看待?(二)
实验分析非常精彩 | Transformer中的位置嵌入到底改如何看待?(一)
详细解读 Transformer的即插即用模块 | MoE插件让ViT模型更宽、更快、精度更高
超越MobileNet V3 | 详解SkipNet+Bias Loss=轻量化模型新的里程碑(二)
超越MobileNet V3 | 详解SkipNet+Bias Loss=轻量化模型新的里程碑(一)
CSL-YOLO | 超越Tiny-YOLO V4,全新设计轻量化YOLO模型实现边缘实时检测!!!(二)
CSL-YOLO | 超越Tiny-YOLO V4,全新设计轻量化YOLO模型实现边缘实时检测!!!(一)
详细解读 | Google与Waymo教你如何更好的训练目标检测模型!!!(附论文)(二)
详细解读 | Google与Waymo教你如何更好的训练目标检测模型!!!(附论文)(一)
详细解读SSPNet| 小目标检测该如何进行改进?
解读UTNet | 用于医学图像分割的混合Transformer架构(文末获取论文)
简单有效 | 详细解读Interflow用注意力机制将特征更好的融合(文末获取论文)
详细解读PVT-v2 | 教你如何提升金字塔Transformer的性能?(附论文下载)(二)
详细解读PVT-v2 | 教你如何提升金字塔Transformer的性能?(附论文下载)(一)
详细解读 | CVPR 2021轻量化目标检测模型MobileDets(附论文下载)(二)
详细解读 | CVPR 2021轻量化目标检测模型MobileDets(附论文下载)(一)
即插即用模块 | CompConv卷积让模型不丢精度还可以提速(附论文下载)
详细解读Google新作 | 教你How to train自己的Transfomer模型?
CVPR2021 GAN详细解读 | AdaConv自适应卷积让你的GAN比AdaIN更看重细节(附论文下载)(一)
CVPR2021 GAN详细解读 | AdaConv自适应卷积让你的GAN比AdaIN更看重细节(附论文下载)(二)
全新激活函数 | 详细解读:HP-x激活函数(附论文下载)(二)
全新激活函数 | 详细解读:HP-x激活函数(附论文下载)(一)
遮挡人脸问题 | 详细解读Attention-Based方法解决遮挡人脸识别问题(附论文下载)
效率新秀 | 详细解读:如何让EfficientNet更加高效、速度更快(一)
Tansformer | 详细解读:如何在CNN模型中插入Transformer后速度不变精度剧增?(二)
Tansformer | 详细解读:如何在CNN模型中插入Transformer后速度不变精度剧增?(一)
让检测告别遮挡 | 详细解读NMS-Loss是如何解决目标检测中的遮挡问题?
即插即用 | 卷积与Self-Attention完美融合X-volution插入CV模型将带来全任务的涨点(文末附论文)(二)
即插即用 | 卷积与Self-Attention完美融合X-volution插入CV模型将带来全任务的涨点(文末附论文)(一)
Transformer | 详细解读Transformer怎样从零训练并超越ResNet?(二)
Transformer | 详细解读Transformer怎样从零训练并超越ResNet?(一)
YOLO |多域自适应MSDA-YOLO解读,恶劣天气也看得见(附论文)
Transformer | 没有Attention的Transformer依然是顶流!!!(一)
项目实践 | 从零开始边缘部署轻量化人脸检测模型——EAIDK310部署篇
项目实践 | 从零开始边缘部署轻量化人脸检测模型——训练篇(二)
项目实践 | 从零开始边缘部署轻量化人脸检测模型——训练篇(一)
Google新作 | 详细解读 Transformer那些有趣的特性(建议全文背诵)(二)
Google新作 | 详细解读 Transformer那些有趣的特性(建议全文背诵)(一)
极品Trick | 在ResNet与Transformer均适用的Skip Connection解读
Transformer又一城 | Swin-Unet:首个纯Transformer的医学图像分割模型解读
最快ViT | FaceBook提出LeViT,0.077ms的单图处理速度却拥有ResNet50的精度(文末附论文与源码)(二)
最快ViT | FaceBook提出LeViT,0.077ms的单图处理速度却拥有ResNet50的精度(文末附论文与源码)(一)
超越SOLO V2| ISTR:基于Transformer的端到端实例分割(文末获取论文与源码)
CVPR2021 | 重新思考BiSeNet让语义分割模型速度起飞(文末获取论文)(二)
CVPR2021 | 重新思考BiSeNet让语义分割模型速度起飞(文末获取论文)(一)
YOLO在升级 | PP-YOLO v2开源致敬YOLOV4携带Tricks又准又快地归来(附论文与源码)
简单有效 | Transformer通过剪枝降低FLOPs以走向部署(文末获取论文)
经典Transformer | CoaT为Transformer提供Light多尺度的上下文建模能力(附论文下载)(二)
经典Transformer | CoaT为Transformer提供Light多尺度的上下文建模能力(附论文下载)(一)