暂时未有相关云产品技术能力~
暂无个人介绍
BEV新SOTA | Sparse4D v3用实例去噪+质量估计+解耦注意力全面提升BEV检测性能
Fast-BEV的CUDA落地 | 5.9ms即可实现环视BEV 3D检测落地!代码开源
南开大学提出YOLO-MS | 超越YOLOv8与RTMDet,即插即用打破性能瓶颈
TensorRT部署系列 | 如何将模型从 PyTorch 转换为 TensorRT 并加速推理?
模型部署系列 | 卷积Backbone量化技巧集锦
Is attention all you need? 注意力可能并不是完美的!
DETR即插即用 | RefineBox进一步细化DETR家族的检测框,无痛涨点
一文全览 | 全览iPhone 12就可以实时推理的移动端ViT
SAM-Med | 英伟达基于SAM提出医学图像标注效率神器
图视觉模型崛起 | MobileViG同等精度比MobileNetv2快4倍,同等速度精度高4%!
医疗SAM也来啦 | AutoSAM告诉你如何在医疗领域更快更好开发大模型
MLLM首篇综述 | 一文全览多模态大模型的前世、今生和未来
往年 | 大疆雷达算法校招笔试题目解析
首篇基于Occupancy的单目3D模型 | 让单目3D也搭上最前沿列车
源码解读 | 单目相机实现3D目标检测—CaDDN
UNet 和 UNet++:医学影像经典分割网络对比
架构设计新范式!RevCol:可逆的多 column 网络式,已被ICLR 2023接收
CVPR 2023 | AdaAD: 通过自适应对抗蒸馏提高轻量级模型的鲁棒性
Mini but Mighty | 简直就是微调ViT神器,有了Mimi微调方法,别的不用选了!又稳又快!
LRP-QViT完美而来 | 输出层分配相关性+剪切通道让Swin Transformer量化后居然涨1.5个点
目标检测的福音 | 如果特征融合还用FPN/PAFPN?YOLOX+GFPN融合直接起飞,再涨2个点
Focaler-IoU开源 | 高于SIoU+关注困难样本,让YOLOv5再涨1.9%,YOLOv8再涨点0.3%
Nice Trick | 不想标注数据了!有伪标签何必呢,Mixup+Mosaic让DINO方法再继续涨点
狂风暴雨依旧YOLO | 全新数据集,全新任务,促进极端降雨条件下目标检测的优化和发展
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
深圳大学提出Shift-ConvNets | 稀疏/移位操作让小卷积核也能达到大卷积核效果,且硬件友好
Backbone往事 | AlexNet~EfficientNet,10多个网络演变铺满了炼丹师们的青葱岁月
超越BEV视角 | 新型紧凑占用Transformer助力自动驾驶3D占用预测
LightCLIP来啦 | 其实可以使用多级交互范式来训练轻量级CLIP模型
YOLO落地部署 | 让YOLO5和YOLO7等方法都可以用上4-bit/3-bit的超快部署方案
训练Backbone你还用EMA?ViT训练的大杀器EWA升级来袭
大模型落地的必经之路 | GPTQ加速LLM落地,让Transformer量化落地不再困难
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!!!
即插即用 | 清华大学提出Focused Linear Attention取代Self-Attention成为ViT的新宠
SAM-U升级SAM | 带你分析SAM的弱点并重新优化设计填补空缺
Hybrid-SORT起飞 | 超过DeepSORT将近10个点的多目标跟踪香不香?
全新ViT Backbone | PLG-ViT 同时具有并行局部和全局自注意力的轻量化视觉Transformer
超越GIoU/DIoU/CIoU/EIoU | MPDIoU让YOLOv7/YOLACT双双涨点,速度不减!
「视觉语言Transformers」最新2023研究综述
CVPR 2023 最全分割类论文整理:图像/全景/语义/实例分割等【附PDF+代码】
模型落地必备 | 南开大学提出CrossKD蒸馏方法,同时兼顾特征和预测级别的信息
YOLOv8太卷啦 | YOLOv8官方仓库正式支持RT-DETR训练、测试以及推理
最强DETR+YOLO | 三阶段的端到端目标检测器的DEYOv2正式来啦,性能炸裂!!!
MobileSAM来啦 | 比SAM小60倍,比FastSAM快4倍,速度和效果双赢
模型落地系列 | TensorRT应该如何添加自己的插件?
加速44%!RT-DETR量化无损压缩优秀实战
CVPR 2023的46篇AIGC应用论文+部分代码汇总
一文读懂 PyTorch 显存管理机制
视觉任务微调王道 | 国科大联合阿里巴巴提出Mona,让Adapter成为你的All Need
MobileCLIP来袭 | 如果CLIP可以通过重参加速,你会选择用它作为Backbone预训练吗