网络层 --- 手写笔记
2023-02-01
46
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
网络层 --- 手写笔记
相关文章
|
2月前
|
Java
Spring
|
2月前
|
NoSQL
Redis
|
2月前
|
机器学习/深度学习
计算机视觉
知识图谱
【YOLOv8改进】MobileViT 更换主干网络： 轻量级、通用且适合移动设备的视觉变压器 (论文笔记+引入代码)
MobileViT是针对移动设备的轻量级视觉Transformer网络，结合CNN的局部特征、Transformer的全局注意力和ViT的表示学习。在ImageNet-1k上，它以600万参数实现78.4%的top-1准确率，超越MobileNetv3和DeiT。MobileViT不仅适用于图像分类，还在目标检测等任务中表现出色，且优化简单，代码已开源。YOLOv8引入了MobileViT块，整合卷积和Transformer结构，提升模型性能。更多详情可参考相关专栏和链接。
112
1
1
|
6天前
|
网络协议
网络性能优化
网络虚拟化
|
10天前
|
网络协议
安全
网络安全
|
18天前
|
Web App开发
自然语言处理
算法
|
18天前
|
存储
缓存
网络协议
|
2月前
|
计算机视觉
【YOLOv8改进】 AFPN ：渐进特征金字塔网络 (论文笔记+引入代码).md
YOLO目标检测专栏介绍了YOLO的有效改进和实战案例，包括AFPN——一种解决特征金字塔网络信息丢失问题的新方法。AFPN通过非相邻层直接融合和自适应空间融合处理多尺度特征，提高检测性能。此外，还展示了YOLOv8中引入的MPDIoU和ASFF模块的代码实现。详情可参考提供的专栏链接。
88
2
2
|
2月前
|
机器学习/深度学习
存储
测试技术
【YOLOv8改进】 YOLOv8 更换骨干网络之 GhostNet ：通过低成本操作获得更多特征 (论文笔记+引入代码).md
YOLO目标检测专栏探讨了卷积神经网络的创新改进，如Ghost模块，它通过低成本运算生成更多特征图，降低资源消耗，适用于嵌入式设备。GhostNet利用Ghost模块实现轻量级架构，性能超越MobileNetV3。此外，文章还介绍了SegNeXt，一个高效卷积注意力网络，提升语义分割性能，参数少但效果优于EfficientNet-L2。专栏提供YOLO相关基础解析、改进方法和实战案例。
88
1
1
|
1月前
|
Unix
Python
热门文章
最新文章
1
Kubernetes学习-集群搭建篇(二) 部署Node服务，启动JNI网络插件
2
OpenStack Juno系列之网络节点搭建
3
《网络空间欺骗：构筑欺骗防御的科学基石》一3.3.2 粗略分析与筛选
4
构建光明的网络安全未来
5
跟着Cell学作图|8.富集分析网络图(Cytoscape/ClueGO)
6
网络结构设计——负载均衡之LVS学习笔记（二）
7
《网络空间欺骗：构筑欺骗防御的科学基石》一1.6.3 设计封面故事：抵赖与欺骗方法矩阵
8
英国交通运输业面临网络安全威胁 投入资源加强防范
9
网络主机监控-nagios应用漫谈(二)
10
Android网络通信 Get方法使用