Caffe的搜索结果_第6页-阿里云开发者社区

技术小达人

|

博文

阿里技术副总裁贾扬清离职，接下来瞄准AI架构方向创业

# 云原生大数据计算服务 MaxCompute # 机器学习/深度学习 # 人工智能 # 达摩院 # 大数据 # 语音技术 # 算法框架/工具 # vr&ar # 计算机视觉 # 开发者 # Caffe

-开发达人-

|

博文

物理攻击「损害」深度学习系统，CV、语音领域如何防御？（3）

物理攻击「损害」深度学习系统，CV、语音领域如何防御？

# 机器学习/深度学习 # 算法 # 安全 # 数据挖掘 # TensorFlow # 算法框架/工具 # 计算机视觉 # Caffe

-开发达人-

|

博文

2022年，PyTorch在AI顶会的占比已经上80%了

# 机器学习/深度学习 # 人工智能 # PyTorch # BI # TensorFlow # 算法框架/工具 # 计算机视觉 # 开发者 # Caffe

虚心求知的熊

|

博文

PyTorch 是一个基于 Torch 的 Python 开源机器学习库，用于自然语言处理等应用程序。它主要由 Facebook 的人工智能小组开发，不仅能够实现强大的 GPU 加速，同时还支持动态神经网络，这一点是现在很多主流框架如 TensorFlow 都不支持的。

# 机器学习/深度学习 # 人工智能 # 自然语言处理 # PyTorch # TensorFlow # 算法框架/工具 # 异构计算 # Caffe # Python # Windows

AiCharm

|

博文

深度学习论文阅读目标检测篇（四）中文版：YOLOv1《 You Only Look Once: Unified, Real-Time Object Detection》

我们的统一架构非常快。我们的基础YOLO模型以45帧/秒的速度实时处理图像。FastYOLO是YOLO的一个较小版本，每秒能处理惊人的155帧图像，同时实现其它实时检测器两倍的mAP。与最先进的检测系统相比，YOLO虽然存在较多的定位错误，但很少将背景预测成假阳性（译者注：其它先进的目标检测算法将背景预测成目标的概率较大）。最后，YOLO能学习到目标非常通用的表示。当从自然图像到艺术品等其它领域泛化时，它都优于其它检测方法，包括DPM和R-CNN。

# 机器学习/深度学习 # 传感器 # 编解码 # 算法 # 机器人 # 算法框架/工具 # 计算机视觉 # 网络架构 # 异构计算 # Caffe

AiCharm

|

博文

深度学习论文阅读目标检测篇（四）中英文对照版：YOLOv1《 You Only Look Once: Unified, Real-Time Object Detection》

我们提出了 YOLO，一种新的目标检测方法。以前的目标检测工作重复利用分类器来完成检测任务。相反，我们将目标检测框架看作回归问题，从空间上分割边界框和相关的类别概率。单个神经网络在一次评估中直接从整个图像上预测边界框和类别概率。由于整个检测流水线是单一网络，因此可以直接对检测性能进行端到端的优化。

# GPU云服务器 # 机器学习/深度学习 # 编解码 # 算法 # 数据挖掘 # 机器人 # 算法框架/工具 # 计算机视觉 # 网络架构 # 异构计算 # Caffe

-开发达人-

|

博文

避免自动驾驶事故，CV领域如何检测物理攻击？3）

避免自动驾驶事故，CV领域如何检测物理攻击？

# 机器学习/深度学习 # 编解码 # 算法 # 自动驾驶 # 安全 # 数据挖掘 # TensorFlow # 算法框架/工具 # 计算机视觉 # Caffe

AiCharm

|

博文

深度学习论文阅读目标检测篇（三）：Faster R-CNN《 Towards Real-Time Object Detection with Region Proposal Networks》

最先进的目标检测网络依靠region proposal算法来推理检测目标的位置。SPPnet[1]和Fast R-CNN[2]等类似的研究已经减少了这些检测网络的运行时间，使得region proposal计算成为一个瓶颈。在这项工作中，我们引入了一个region proposal网络（RPN），该网络与检测网络共享整个图像的卷积特征，从而使近乎零成本的region proposal成为可能。

# GPU云服务器 # 机器学习/深度学习 # 算法 # 数据挖掘 # 算法框架/工具 # 计算机视觉 # 网络架构 # 异构计算 # Caffe # Windows # Python

AiCharm

|

博文

深度学习论文阅读目标检测篇（二）：Fast R-CNN《Fast R-CNN》

本文提出了一种快速的基于区域的卷积网络方法（fast R-CNN）用于目标检测。Fast R-CNN 建立在以前使用的深卷积网络有效地分类目标的成果上。相比于之前的研究工作，Fast R-CNN 采用了多项创新提高了训练和测试速度，同时也提高了检测准确度。

# GPU云服务器 # 机器学习/深度学习 # 算法 # 数据挖掘 # vr&ar # 算法框架/工具 # 计算机视觉 # C++ # 异构计算 # Caffe # Python

-开发达人-

|

博文

陈天奇高赞文章：新一代深度学习编译技术变革和展望

# 机器学习/深度学习 # 自然语言处理 # 算法 # 编译器 # Scala # 算法框架/工具 # 图形学 # 决策智能 # Caffe # Python