AI 助理
备案控制台
开发者社区 人工智能 文章 正文

【即插即用】分类、检测、分割等均有效的新型卷积模块（Tied卷积，即将开源）（二）

2023-05-18 177
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： 【即插即用】分类、检测、分割等均有效的新型卷积模块（Tied卷积，即将开源）（二）

4、实验

4.1、图像分类实验

4.2、目标检测实验

由下表可以看出，加入Tied CNN后性能得到了明显的提升，同时参数还下降了很多：

4.3、实例分割实验


5、可视化结果分析

image.png

通过分析Heatmap和Histograms图可以看出基于Tied CNN的模型由于去除了深层网络层冗余的kernel，模型注意力更加地集中，因此对于目标检测或者实例分割出现遮挡的情况更加的鲁棒。效果如下图所示：

图中第一排为ResNet作为BackBone的结果，第二排为TiedResNet作为BackBone的结果，可见对于遮挡的情况，TiedCNN有更好的效果。

文章标签：
计算机视觉
机器学习/深度学习
数据可视化
5i77ajz5u7ji6
目录
相关文章
小小杨树1
|
8月前
|
机器学习/深度学习 算法 Python
【DYConv】CVPR2020 | 即插即用的动态卷积模块助力你涨点
【DYConv】CVPR2020 | 即插即用的动态卷积模块助力你涨点
小小杨树1
862 1
【DYConv】CVPR2020 | 即插即用的动态卷积模块助力你涨点
热烈的马
|
8月前
|
机器学习/深度学习 人工智能 算法
人工智能中数据组合采样、特征层、算法层的讲解（图文详解）
人工智能中数据组合采样、特征层、算法层的讲解（图文详解）
热烈的马
179 0
YOLO创新改进大师
|
2月前
|
机器学习/深度学习 计算机视觉 网络架构
【YOLO11改进 - C3k2融合】C3k2DWRSeg二次创新C3k2_DWR：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目标检测
【YOLO11改进 - C3k2融合】C3k2DWRSeg二次创新C3k2_DWR：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目DWRSeg是一种高效的实时语义分割网络，通过将多尺度特征提取分为区域残差化和语义残差化两步，提高了特征提取效率。它引入了Dilation-wise Residual (DWR) 和 Simple Inverted Residual (SIR) 模块，优化了不同网络阶段的感受野。在Cityscapes和CamVid数据集上的实验表明，DWRSeg在准确性和推理速度之间取得了最佳平衡，达到了72.7%的mIoU，每秒319.5帧。代码和模型已公开。
YOLO创新改进大师
125 2
【YOLO11改进 - C3k2融合】C3k2DWRSeg二次创新C3k2_DWR：扩张式残差分割网络，提高特征提取效率和多尺度信息获取能力，助力小目标检测
YOLO创新改进大师
|
6月前
|
机器学习/深度学习 计算机视觉
【YOLOv8改进 - 注意力机制】SENetV2: 用于通道和全局表示的聚合稠密层，结合SE模块和密集层来增强特征表示
【YOLOv8改进 - 注意力机制】SENetV2: 用于通道和全局表示的聚合稠密层，结合SE模块和密集层来增强特征表示
YOLO创新改进大师
184 4
YOLO创新改进大师
|
6月前
|
机器学习/深度学习 移动开发 自然语言处理
【YOLOv8改进- 多模块融合改进】GhostConv + ContextAggregation 幽灵卷积与上下文聚合模块融合改进，助力小目标高效涨点
【YOLOv8改进- 多模块融合改进】GhostConv + ContextAggregation 幽灵卷积与上下文聚合模块融合改进，助力小目标高效涨点
YOLO创新改进大师
284 1
YOLO创新改进大师
|
6月前
|
机器学习/深度学习 大数据 计算机视觉
【YOLOv8改进 - 特征融合】 GELAN:YOLOV9 通用高效层聚合网络，高效且涨点
YOLOv8专栏探讨了深度学习中信息瓶颈问题，提出可编程梯度信息（PGI）和广义高效层聚合网络（GELAN），改善轻量级模型的信息利用率。GELAN在MS COCO数据集上表现优越，且PGI适用于不同规模的模型，甚至能超越预训练SOTA。[论文](https://arxiv.org/pdf/2402.13616)和[代码](https://github.com/WongKinYiu/yolov9)已开源。核心组件RepNCSPELAN4整合了RepNCSP块和卷积。更多详情及配置参见相关链接。
YOLO创新改进大师
201 2
YOLO创新改进大师
|
6月前
|
机器学习/深度学习 编解码 算法
【YOLOv8改进 - 特征融合NECK】SDI：多层次特征融合模块，替换contact操作
YOLOv8专栏探讨了该目标检测算法的创新改进，包括新机制和实战案例。文章介绍了U-Net v2，一种用于医学图像分割的高效U-Net变体，它通过SDI模块融合语义和细节信息，提升分割准确性。SDI模块结合空间和通道注意力，经通道减缩、尺寸调整和平滑后，用哈达玛积融合特征。提供的核心代码展示了SDI模块的实现。更多详情和论文、代码链接见原文。
YOLO创新改进大师
431 1
YOLO创新改进大师
|
6月前
|
测试技术 计算机视觉 网络架构
【YOLOv8改进 - 特征融合】CARAFE：轻量级新型上采样算子，助力细节提升
【YOLOv8改进 - 特征融合】CARAFE：轻量级新型上采样算子，助力细节提升
YOLO创新改进大师
338 0
阿旭算法与机器学习
|
7月前
|
机器学习/深度学习
【从零开始学习深度学习】21. 卷积神经网络（CNN）之二维卷积层原理介绍、如何用卷积层检测物体边缘
【从零开始学习深度学习】21. 卷积神经网络（CNN）之二维卷积层原理介绍、如何用卷积层检测物体边缘
阿旭算法与机器学习
308 3
长发和小虎牙
|
8月前
|
机器学习/深度学习 算法 计算机视觉
YOLOv8改进 | 融合模块 | 用Resblock+CBAM卷积替换Conv【轻量化网络】
在这个教程中，介绍了如何将YOLOv8的目标检测模型改进，用Resblock+CBAM替换原有的卷积层。Resblock基于ResNet的残差学习思想，减少信息丢失，而CBAM是通道和空间注意力模块，增强网络对特征的感知。教程详细解释了ResNet和CBAM的原理，并提供了代码示例展示如何在YOLOv8中实现这一改进。此外，还给出了新增的yaml配置文件示例以及如何注册模块和执行程序。作者分享了完整的代码，并对比了改进前后的GFLOPs计算量，强调了这种改进在提升性能的同时可能增加计算需求。教程适合深度学习初学者实践和提升YOLO系列模型的性能。
长发和小虎牙
1837 1

热门文章

最新文章

  • 1
    securecrt克隆会话与sshd 的 MaxSessions
  • 2
    阿里云学生服务器优惠购买入口
  • 3
    GitHub 宣布正式收购 npm | 云原生生态周报 Vol. 42
  • 4
    “2016首届北森用户生态大会”携你探寻人才管理的新生态
  • 5
    贵州邮政：IMO班聊让内部沟通信息跳涨10万+
  • 6
    Android的界面设计工具 DroidDraw
  • 7
    使用Android Studio创建第一个Hello World应用程序
  • 8
    C# 结构（很少能用到）
  • 9
    [BoUML]生成代码
  • 10
    Tsung: A open-source, multi-protocol, distributed load testing tool
  • 1
    《探寻开源AI项目的资金密码：可持续运营之路》
    29
  • 2
    《开源数据：点燃人工智能在自然语言处理与计算机视觉领域的突破引擎》
    21
  • 3
    《开源算法：人工智能领域的双刃剑》
    30
  • 4
    《深度剖析：开源与闭源模型，AI舞台上的不同角色》
    28
  • 5
    《解锁数据新动能：数据标注工具与AI模型训练平台的无缝对接热潮》
    28
  • 6
    为了提升运维工程师及开发者
    103
  • 7
    吴恩达2024 AI总结 | AI大咖说
    30
  • 8
    招行面试：高并发写，为什么不推荐关系数据？
    48
  • 9
    基于QLearning强化学习的较大规模栅格地图机器人路径规划matlab仿真
    116
  • 10
    《docker基础篇：6.本地镜像发布到私有库》包括本地镜像发布到私有库流程、docker regisry是什么、将本地镜像推送到私有库
    52

    • 相关课程

    更多
  • 模型融合方法概述
  • 神经网络概览及算法详解
  • 深度解读服务网格的未来
  • 机器学习集成学习与模型融合
  • 神经网络与深度学习
  • 机器学习基础与回归算法

    • 相关电子书

    更多
  • 深度学习论文实现：空间变换网络-第一部分
  • 典型模型-卷积神经网络入门
  • 基于神经网络的语言合成
    • 下一篇
    DataWorks智能交互式数据开发与分析之旅