暂时未有相关云产品技术能力~
暂无个人介绍
小目标绝技 | 用最简单的方式完成Yolov5的小目标检测升级!
Two-Stage目标检测困难负样本如何利用?大小目标如何同时优化?nRPN给你答案!
超越YOLO5-Face | YOLO-FaceV2正式开源Trick+学术点拉满,让你欲罢不能!!!
《Connection Reduction Is All You Need》台湾学生的工作,您自便!
Anchor-Free即插即用标签分配 | 平滑标签分配+动态IoU匹配解决标签分配不一致(二)
Anchor-Free即插即用标签分配 | 平滑标签分配+动态IoU匹配解决标签分配不一致(一)
432.4 FPS 快STDC 2.84倍 | LPS-Net 结合内存、FLOPs、CUDA实现超快语义分割模型(二)
432.4 FPS 快STDC 2.84倍 | LPS-Net 结合内存、FLOPs、CUDA实现超快语义分割模型(一)
YOLOU开源 | 汇集YOLO系列所有算法,集算法学习、科研改进、落地于一身!
MobileDenseNet | 一步步打造全新的轻量化目标检测模型,让SSD继续发光发热
轻量化Backbone霸主 | VGNetG成就“不做选择,全都要”轻量化主干网络!
三星提出XFormer | 超越MobileViT、DeiT、MobileNet等模型
ECCV2022 Oral | 全新Ancho-free检测模型ObjectBox,120FPS超越OTA、TOOD等(二)
ECCV2022 Oral | 全新Ancho-free检测模型ObjectBox,120FPS超越OTA、TOOD等(一)
Transformer 落地出现 | Next-ViT实现工业TensorRT实时落地,超越ResNet、CSWin(二)
Transformer 落地出现 | Next-ViT实现工业TensorRT实时落地,超越ResNet、CSWin(一)
超越 ConvNeXt、RepLKNet | 看 51×51 卷积核如何破万卷!
YOLOv7官方开源 | Alexey Bochkovskiy站台,精度速度超越所有YOLO,还得是AB
BoT-SORT 丝滑跟踪 | 超越 DeepSORT、StrongSORT++ 和 ByteTrack
Inception 新结构 | 究竟卷积与Transformer如何结合才是最优的?(二)
Inception 新结构 | 究竟卷积与Transformer如何结合才是最优的?(一)
Shunted Self-Attention | 源于 PvT又高于PvT,解决小目标问题的ViT方法(二)
Shunted Self-Attention | 源于 PvT又高于PvT,解决小目标问题的ViT方法(一)
改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致!!!(二)
改进Yolov5 | 用 GSConv+Slim Neck 一步步把 Yolov5 提升到极致!!!(一)
大道至简 | 设计 ViT 到底怎么配置Self-Attention才是最合理的?(二)
大道至简 | 设计 ViT 到底怎么配置Self-Attention才是最合理的?(一)
ResNet50上天 | DDQ改进Sparse RCNN让ResNet50在coco上来到了49.8的AP(二)
ResNet50上天 | DDQ改进Sparse RCNN让ResNet50在coco上来到了49.8的AP(一)
EfficientFormer | 苹果手机实时推理的Transformer模型,登顶轻量化Backbone之巅
STDC升级 | STDC-MA 更轻更快更准,超越 STDC 与 BiSeNetv2
LITv2来袭 | 使用HiLo Attention实现高精度、快速度的变形金刚,下游任务均实时(二)
LITv2来袭 | 使用HiLo Attention实现高精度、快速度的变形金刚,下游任务均实时(一)
即插即用 | SIoU 实现50.3 AP+7.6ms检测速度精度、速度完美超越YoloV5、YoloX
即插即用 | RandomMix 集百家之长实现超越Mixup的数据增强方法!
Sparse RCNN再升级 | ResNet50在不需要NMS和二分匹配的情况下达到48.1AP
建议背诵 | 字节用4大准则教你设计一个拥有CNN的速度,Transformer精度的模型!
分割冠军 | 超越Swin v2、PvT v2等模型,ViT-Adaptiver实现ADE20K冠军60.5mIoU
DAFormer | 使用Transformer进行语义分割无监督域自适应的开篇之作(二)
DAFormer | 使用Transformer进行语义分割无监督域自适应的开篇之作(一)
ResNet50 文艺复兴 | ViT 原作者让 ResNet50 精度达到82.8%,完美起飞!!!(二)
ResNet50 文艺复兴 | ViT 原作者让 ResNet50 精度达到82.8%,完美起飞!!!(一)
全新Backbone | 模拟CNN创造更具效率的Self-Attention
港中文提出 EdgeViT | 超越MobileViT与MobileNet,实现Transformer在CPU上实时
微软提出MiniViT | 把DeiT压缩9倍,性能依旧超越ResNet等卷积网络(二)
微软提出MiniViT | 把DeiT压缩9倍,性能依旧超越ResNet等卷积网络(一)
Sparse R-CNN升级版 | Dynamic Sparse R-CNN使用ResNet50也能达到47.2AP(二)
Sparse R-CNN升级版 | Dynamic Sparse R-CNN使用ResNet50也能达到47.2AP(一)
CV全新范式 | LSTM在CV领域杀出一条血路,完美超越Swin与ConvNeXt等前沿算法
GPUNet | 英伟达打造最强轻量化模型,让你享受高精度、高速度的同时简单部署(二)