暂时未有相关云产品技术能力~
暂无个人介绍
2024年YOLO还可以继续卷 | MedYOLO是怎么从YOLO家族中一步一步走过来的?
一文综述 | 万字文总结,近几年都有哪些语义分割模型用了Transformer方法呢?
BN层迎来升级版MABN | 轻轻松松几行代码帮你解决跨域问题,同时顺手涨点
中科大提出PE-YOLO | 让YOLO家族算法直击黑夜目标检测
模型压缩部署神技 | CNN与Transformer通用,让ConvNeXt精度几乎无损,速度提升40%
快7倍 | SpirDet基于降采样正交重参化+稀疏解码器有效减少延迟,同时提升小目标检测精度
多任务学习新篇章 | EMA-Net利用Cross-Task Affinity实现参数高效的高性能预测
YOLO+混合注意力机制 | YOLOv5再加4.3%才可以做对手,Transformer混合设计依旧可以卷
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
RecursiveDet | 超越Sparse RCNN,完全端到端目标检测的新曙光
YOLO落地部署 | 一文全览YOLOv5最新的剪枝、量化的进展【必读】
全新ViT Backbone | 混合卷积与Attention设计的SMT更快、更小也更强
全新AFPN出现 | 完胜PAFPN,堪称YOLO系列的最佳搭档
蔚来感知算法岗面经
Q-YOLOP来啦 | 一个具有量化感知全景驾驶感知模型
即插即用 | Lite-FPN让CenterNet系列再涨4个点(3D检测也适用)
深度学习模型加速:Pytorch模型转TensorRT模型
最新轻量化Backbone | FalconNet汇聚所有轻量化模块的优点,成就最强最轻Backbone
多传感器感知原理解读 | BEVFusion解读(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?(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(二)
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)