暂时未有相关云产品技术能力~
暂无个人介绍
目标检测Trick | SEA方法轻松抹平One-Stage与Two-Stage目标检测之间的差距(二)
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(二)
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)
CVPR2023最新Backbone |FasterNet远超ShuffleNet、MobileNet、MobileViT等模型(一)
全新剪枝框架 | YOLOv5模型缩减4倍,推理速度提升2倍(二)
全新剪枝框架 | YOLOv5模型缩减4倍,推理速度提升2倍(一)
FCOS升级 | FCOS在3D检测中应该如何使用呢?FCOS3D就是最好的验证(二)
FCOS升级 | FCOS在3D检测中应该如何使用呢?FCOS3D就是最好的验证(一)
3D检测新SOTA | PointPillar与Faster RCNN结合会碰撞出怎样的火花(二)
3D检测新SOTA | PointPillar与Faster RCNN结合会碰撞出怎样的火花(一)
全新FPN开源 | CFPNet即插即用,助力检测涨点,YOLOX/YOLOv5均有效(二)
全新FPN开源 | CFPNet即插即用,助力检测涨点,YOLOX/YOLOv5均有效(一)
DeepSORT再升级 | Deep OC-SORT引入目标外观信息,大幅领先SOTA
YOLOv8官方支持多目标跟踪 | ByteTrack、BoT-SORT都已加入YOLOv8官方
YOLOv5抛弃Anchor-Base方法 | YOLOv5u正式加入Anchor-Free大家庭
改进YOLOX | Push-IOU+Dynamic Anchor进一步提升YOLOX性能
一文全览 | 自动驾驶Cornor-Case检测数据集(二)
一文全览 | 自动驾驶Cornor-Case检测数据集(一)
EdgeYOLO来袭 | Xaiver超实时,精度和速度完美超越YOLOX、v4、v5、v6(二)
EdgeYOLO来袭 | Xaiver超实时,精度和速度完美超越YOLOX、v4、v5、v6(一)
YOLO系列的落地 | YOLOv7+注意力机制在农业上的应用(二)
YOLO系列的落地 | YOLOv7+注意力机制在农业上的应用(一)
全新轻量化模型 | 轻量化沙漏网络助力视觉感知涨点
部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8(二)
部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8(一)
FastPillars实时3D目标检测 | 完美融合PointPillar、YOLO以及RepVGG的思想(二)
FastPillars实时3D目标检测 | 完美融合PointPillar、YOLO以及RepVGG的思想(一)
3D检测涨点Trick | 2D检测居然可以教BEV进行3D目标检测
涨点Trick | 超越CWD、FGD和MGD,AMD蒸馏让目标检测对小目标更有效(二)
涨点Trick | 超越CWD、FGD和MGD,AMD蒸馏让目标检测对小目标更有效(一)
YOLOv6设计来源 | 具有硬件感知的神经网络设计
暴力改进SSD | 小目标检测的福音
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)
YOLO涨点Trick | 超越CIOU/SIOU,Wise-IOU让Yolov7再涨1.5个点!(二)
YOLO涨点Trick | 超越CIOU/SIOU,Wise-IOU让Yolov7再涨1.5个点!(一)
YOLO系列改进 | YOLOF的小小改进升级之轻量化TE-YOLOF
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
YOLOv8来啦 | 详细解读YOLOv8的改进模块!YOLOv5官方出品YOLOv8,必卷!
目标检测模型设计准则 | YOLOv7参考的ELAN模型解读,YOLO系列模型思想的设计源头(二)
目标检测模型设计准则 | YOLOv7参考的ELAN模型解读,YOLO系列模型思想的设计源头(一)
量化部署必卷 | EasyQuant量化通过Scale优化轻松超越TensorRT量化(二)