• 问答
  • 技术
  • 实践
  • 资源

  • 0

    关注
  • 0

    获赞
  • 0

    精选文章
近期动态
  • 专栏文章
  • 社区提问
Softmax 函数和它的误解

作者 | Prasant Kumar 来源 | CV技术指南 编辑 | 极市平台 导语:Softmax是个大家都熟悉的激活函数,然而,很多人只知道它的表达式,它在网络中的位置,而对一些具体的原因和细节却回答不上来。这篇文章给了相应的介...

  • 0
  • 0
  • 88
什么是目标检测中的旋转敏感度错误?

作者 | 爱做菜的炼丹师 来源 | CV研习社 编辑 | 极市平台 文章导读 旋转框的目标检测任务通常出现在遥感数据,文本数据,以及点云鸟瞰图数据中。对旋转框的表达会采用中心点和长宽再加上旋转角,然后设计损失函数求...

  • 0
  • 0
  • 45
如何衡量目标检测模型的优劣

作者 | 爱做菜的炼丹师 来源 | CV研习社 编辑 | 极市平台 文章导读 机器学习算法的落地从数据—>建模—>训练—>评估—>部署,生命周期中的这5个环节一样都不能少,其中算法的评估尤为重要,不同的任务有其...

  • 0
  • 0
  • 738
机器学习中四种调参方法总结

机器学习中四种调参方法总结 来源 | AI公园 编辑 | 极市平台 导读 ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。 介绍 维基百科上说,“Hyperparameter optimization或tuning...

  • 0
  • 0
  • 1.1k
实践教程 | 图像分类中常用的 tricks

作者 | 我要鼓励娜扎@知乎(已授权) 来源 | https://zhuanlan.zhihu.com/p/89205060 编辑 | 极市平台 本文汇集了11种图像分类中的常用技巧。 1 Warmup 学习率是神经网络训练中最重要的超参数之一,针对学习率的技巧...

  • 0
  • 0
  • 1.7k
调参经验 | 关于 deep learning(rnn、cnn)

来源 | https://www.zhihu.com/question/41631631 编辑 | 极市平台 本文仅作学术分享,版权属于原作者,侵权联系删除。 话说三人行,必有我师焉。有哪些deep learning(rnn、cnn)调参的经验,看看这些小伙伴的回答...

  • 0
  • 0
  • 1.8k
使用 Pytorch 从头实现 Canny 边缘检测

作者 | Axel Thevenot 来源 | AI公园 编辑 | 极市平台 导读 Canny边缘检测器的详细介绍以及Pytorch实现。 Canny滤波器当然是最著名和最常用的边缘检测滤波器。我会逐步解释用于轮廓检测的canny滤波器。因为canny滤波...

  • 0
  • 0
  • 1.6k
神经网络之 CNN 与 RNN 的关系

作者 | SnowMapleQueen 来源 | pytorch之计算机视觉 编辑 | 极市平台 本文主要是对CNN和RNN的理解,通过对比总结各自的优势,同时加深自己对这方面知识的理解,其中代码引用采用的是VQA模型中对图像和文本的处理。 1...

  • 0
  • 0
  • 1.3k
机器学习过拟合与欠拟合!

作者 | 胡联粤、张桐、Datawhale面经小组 来源 | Datawhale 编辑 | 极市平台 Q1 如何理解高方差与低偏差? 模型的预测误差可以分解为三个部分: 偏差(bias), 方差(variance) 和噪声(noise). 偏差 偏差度量了模型的...

  • 0
  • 0
  • 1.0k
实践教程 | Pytorch 模型的保存与迁移

作者 | 空字符@知乎 来源 | https://zhuanlan.zhihu.com/p/417997662 编辑 | 极市平台 在本篇文章中,笔者首先介绍了模型复用的几种典型场景;然后介绍了如何查看Pytorch模型中的相关参数信息;接着介绍了如何载入模...

  • 0
  • 0
  • 937
代码详解 | 用 Pytorch 训练快速神经网络的 9 个技巧

作者 | William Falcon 来源 | 稀牛Xiniu 事实上,你的模型可能还停留在石器时代的水平。估计你还在用32位精度或GASP(一般活动仿真语言) 训练,甚至可能只在单GPU上训练。如果市面上有99个加速指南,但你可能只看...

  • 0
  • 0
  • 1.5k
ONNX 浅析:如何加速深度学习算法工程化?

来源 | 拍乐云Pano 编辑 | 极市平台 各家的训练和推理框架还在继续发展,ONNX 想成为行业标准显然还为时尚早,但是目前尚没有看到其他更好的通用模型描述格式,我们简单归纳一下现在的 ONNX 的支持情况。 AlphaGo击...

  • 2
  • 0
  • 1.4k
用可视化理解神经网络!

编译 | 刘洋 来源 | Datawhale 编辑 | 极市平台 最近,人们对深度神经网络产生了极大的兴趣,因为它们在计算机视觉等领域取得了突破性的成果。 尽管如此,仍有一些人对此表示关切。一是很难去理解神经网络真正在做什...

  • 0
  • 0
  • 1.3k
实践教程 | CNN 调优总结

实践教程 | CNN调优总结 作者 | Charlotte 来源 | 深度学习爱好者 编辑 | 极市平台 针对CNN优化的总结 Systematic evaluation of CNN advances on the ImageNet 使用没有 batchnorm 的 ELU 非线性或者有 batchnorm...

  • 1
  • 0
  • 1.1k
实践教程 | LGBM 模型 +OPTUNA 调参组合

模型神器组合,yyds! 作者 | 东哥 来源 | Python数据科学 编辑 | 极市平台 结合一些自己的经验,给大家带来一个LGBM模型+OPTUNA调参的使用教程,这对可谓是非常实用且容易上分的神器组合了,实际工作中也可使用。...

  • 1
  • 0
  • 752
Python 实现注意力机制

作者 | 李秋键 出品 | AI科技大本营 编辑 | 极市平台 引言 随着信息技术的发展,海量繁杂的信息向人们不断袭来,信息无时无刻充斥在四周。然而人类所能接收的信息则是有限的,科研人员发现人类视觉系统在有限的视野...

  • 0
  • 0
  • 1.6k
用 CNN 实现全景图像语义分割!

作者 | 张强 来源 | Datawhale 编辑 | 极市平台 相信许多读者体验过b站上的全景视频,如果还没有,快来体验一下吧[1]!只需鼠标点击并移动,便可360度无死角的浏览全景视频,让人如同身临其境。全景图像,又称360°全...

  • 0
  • 0
  • 1.2k
余弦退火重启动学习率机制

作者丨Wonderful 来源丨GiantPandaCV 编辑丨极市平台 【导语】主要介绍在pytorch 中实现了余弦退火重启动学习率机制,支持 warmup 和 resume 训练。并且支持自定义下降函数,实现多种重启动机制。代码:https://gith...

  • 0
  • 0
  • 686
目标检测的 “尽头” 竟是语言建模?Hinton 团队提出 Pix2Seq:性能优于 DETR

​作者丨happy 编辑丨极市平台 原文链接:https://arXiv.org/abs/2109.10852 语言模型与目标检测这种八竿子打不着的领域之间会存在关联性吗 ?Hinton团队的最新工作Pix2Seq对此进行了探索,它将目标检测问题转换成了...

  • 0
  • 0
  • 363
实践教程 | PyTorch 分布式测试踩坑小结

作者 | 纳兰球球@知乎(已授权) 来源 | https://zhuanlan.zhihu.com/p/276154597 编辑 | 极市平台 现有的训练框架一般都会牵涉到分布式、多线程和多进程等概念,所以较难 debug,而大家作为一些开源框架的使用者,...

  • 0
  • 0
  • 1.0k
Batch Size 对神经网络训练的影响

作者丨Daryl Chang 来源丨CV技术指南 编辑丨极市平台 前言 这篇文章非常全面细致地介绍了Batch Size的相关问题。结合一些理论知识,通过大量实验,文章探讨了Batch Size的大小对模型性能的影响、如何影响以及如何缩...

  • 3
  • 0
  • 539
Panoptic SegFormer:全景分割第一名!南大&港大&英伟达提出新算法,霸榜全景分割

作者丨小马 来源丨我爱计算机视觉 编辑丨极市平台 今日分享论文 『Panoptic SegFormer』 全景分割第一名!由南大\&港大\&NVIDIA 联合提出 Panoptic SegFormer,霸榜全景分割。 话不多说,先放Leadboard: 更...

  • 0
  • 0
  • 722
记一次坎坷的算法需求实现:轻量级人体姿态估计模型的修炼之路(附 MoveNet 复现经验)

作者丨Fire 编辑丨极市平台 一、需求背景 这天接到个新需求,需要实时检测自然场景下目标人体的关键点位置。 从算法工程师的角度来拆解下需求: 1、检测人体关键点位置,就是人体姿态估计任务嘛; 2、要实时,那么就...

  • 1
  • 0
  • 457
追求极致:Repvgg 重参数化对 YOLO 工业落地的实验和思考

​作者丨陈TEL 来源丨GiantPandaCV 编辑丨极市平台 这一次的实验主要借鉴repvgg重参化的思想,将原有的3×3conv替换成Repvgg Block,为原有的YOLO模型涨点。 前言: 之前做了一次shufflenetv2与yolov5的组合,目的是为...

  • 0
  • 0
  • 136
实践教程 | 我竟然用 OpenCV 实现了卡尔曼滤波

作者 | gloomyfish 来源 | OpenCV学堂 编辑 | 极市平台 卡尔曼滤波原理 卡尔曼滤波最早可以追溯到Wiener滤波,不同的是卡尔曼采用状态空间来描述它的滤波器,卡尔曼滤波器同时具有模糊/平滑与预测功能,特别是后者在...

  • 0
  • 0
  • 1.4k
PyTorch 源码解读之 BN&SyncBN

PyTorch源码解读之BN&SyncBN:BN与多卡同步BN详解 作者 | OpenMMLab@知乎(已授权) 来源 | https://zhuanlan.zhihu.com/p/337732517 编辑 | 极市平台 目录 BatchNorm 原理 BatchNorm 的 PyTorch 实现 2.1 _NormBas...

  • 0
  • 0
  • 1.4k
加载更多
他的关注
他关注的
关注他的
    的专业名片

    • NaN

      关注
    • NaN

      获赞
    • NaN

      精选文章
    所获殊荣

    扫描二维码,进入极市社区
    找到更多CV大咖

    他的专栏