暂时未有相关云产品技术能力~
小目标检测新方法SCTransNet | 空间通道交叉Transformer & 互补前馈达成完美语义信息传递
太强!AI没有落下的腾讯出YOLO-World爆款 | 开集目标检测速度提升20倍,效果不减
SAM究极进化版开源 | SAM与CLIP互相学习,带来最强Open-Vocabulary SAM,万物皆可
MFDS-DETR开源 | HS-FPN多级特征融合+Deformable Self-Attention,再续DETR传奇
ASF-YOLO开源 | YOLOv5范式永不言败,SSFF融合+TPE编码+CPAM注意力,再战精度巅峰!
南京大学提出量化特征蒸馏方法QFD | 完美结合量化与蒸馏,让AI落地更进一步!!!
YOLO落地部署 | 一文全览YOLOv5最新的剪枝、量化的进展【必读】
TensorRT部署系列 | 如何将模型从 PyTorch 转换为 TensorRT 并加速推理?
SAM-Med | 英伟达基于SAM提出医学图像标注效率神器
MLLM首篇综述 | 一文全览多模态大模型的前世、今生和未来
深度学习模型加速:Pytorch模型转TensorRT模型
模型部署系列 | 一文告诉你AI模型QAT量化遇到震荡问题应该如何解决呢?(二)
模型部署系列 | 一文告诉你AI模型QAT量化遇到震荡问题应该如何解决呢?(一)
车道线模型落地技巧 | LGAD注意力蒸馏让模型更鲁棒(二)
车道线模型落地技巧 | LGAD注意力蒸馏让模型更鲁棒(一)
目标检测落地必备Trick | 结构化知识蒸馏让RetinaNet再涨4个点
基于YOLOv5改进再设计 | M2S全面提升小目标精度
模型落地困难?看看这个如何解决PTQ的振荡问题(二)
模型落地困难?看看这个如何解决PTQ的振荡问题(一)
YOLO超快时代终结了 | RT-DETR用114FPS实现54.8AP,远超YOLOv8(二)
YOLO超快时代终结了 | RT-DETR用114FPS实现54.8AP,远超YOLOv8(一)
超轻超快分割模型 | PP-MobileSeg 安卓手机就可以实时运行
即插即用模块 | RFAConv助力YOLOv8再涨2个点(二)
即插即用模块 | RFAConv助力YOLOv8再涨2个点(一)
Faster RCNN超快版本来啦 | TinyDet用小于1GFLOPS实现30+AP,小目标炸裂(二)
Faster RCNN超快版本来啦 | TinyDet用小于1GFLOPS实现30+AP,小目标炸裂(一)
目标检测提升技巧 | 结构化蒸馏一行代码让目标检测轻松无痛涨点(二)
目标检测提升技巧 | 结构化蒸馏一行代码让目标检测轻松无痛涨点(一)
首个完全量化Vision Transformer的方法FQ-ViT | AI大模型落地加速还会远吗?(二)
首个完全量化Vision Transformer的方法FQ-ViT | AI大模型落地加速还会远吗?(一)
联合训练2D-3D多任务学习 | 深度估计、检测、分割、3D检测通吃
部署技巧之PAGCP剪枝 | Yolov5/ResNet参数降低50%速度翻倍精度不减(二)
部署技巧之PAGCP剪枝 | Yolov5/ResNet参数降低50%速度翻倍精度不减(一)
CVPR2023部署Trick | 解决量化误差振荡问题,让MobileNetv2的能力超过ResNet家族(二)
CVPR2023部署Trick | 解决量化误差振荡问题,让MobileNetv2的能力超过ResNet家族(一)
小目标检测 | 即插即用 | YOLOv5可以这样升级
即插即用 | CEASA模块给你所有,小目标精度提升的同时速度也变快了(一)
速度精度均超越SOLOv2 | 看FastInst如何实现最优秀的实例分割模型(二)
速度精度均超越SOLOv2 | 看FastInst如何实现最优秀的实例分割模型(一)
其实没有NMS检测也可以很强很快 | O2F样本匹配助力目标检测逃离NMS时代(二)
其实没有NMS检测也可以很强很快 | O2F样本匹配助力目标检测逃离NMS时代(一)
模型加速|CNN与ViT模型都适用的结构化剪枝方法(二)
模型加速|CNN与ViT模型都适用的结构化剪枝方法(一)
Vision Transformer的重参化也来啦 | RepAdpater让ViT起飞(一)
目标检测无痛涨点新方法 | DRKD蒸馏让ResNet18拥有ResNet50的精度(一)
CPU也可以起飞的RTMPose来袭 | 作者手把手带你设计一个超轻超快的模型(二)
CPU也可以起飞的RTMPose来袭 | 作者手把手带你设计一个超轻超快的模型(一)
全新卷积模块DRConv | 进一步提升卷积的表示能力
YOLOv7默默更新了Anchor-Free | 无痛再涨1.4个mAP
CVPR2023最新Backbone |FasterNet远超ShuffleNet、MobileNet、MobileViT等模型(二)