往深度学习方向发展就对了 :see_no_evil:
最近发表的话题
- 即插即用丨 Triplet Attention 机制让 Channel 和 Spatial 交互更加丰富(附开源代码)
- 浅谈混合精度训练
- 拿到 2021年灰飞烟灭的算法岗 offer 的大佬们,简历上都有什么?
- 训练轮数降至 1/10、性能却更好,商汤等提出升级版 DETR 目标检测器
- PyTorch 的动态图
- Im2Col+GEMM 的改进方法 MEC,一种更加高效的卷积计算策略
- 基于深度学习的单目深度估计综述
- 一文看懂目标检测边界框概率分布
- 基于深度模型的 Out of Distribution (OOD) 检测相关方法介绍
- 人体姿态估计 (Human Pose Estimation) 常用方法总结
- 超全的机器学习算法岗面试与提问总结
- 深度学习代码和实验管理的「奇技淫巧」
- 提高 3D CNN 时空融合分析效率的秘诀|CVPR2020
- 原地踏步还是 “第二春”?知乎热议:如何评价 DETR,基于 Transformer 的目标检测新思路
- Self-Supervised Learning 的近期发展综述(2018–2020)
- 视觉注意力机制 | Non-local 模块与 Self-attention 的之间的关系与区别?
- 在小目标检测上另辟蹊径的 SNIP
- 旷视提出 DRConv:动态区域感知卷积,提升分类 / 检测 / 分割性能
- 从生成注意力模型出发,解决视频处理中动作-上下文混淆关键问题|CVPR2020
- 从 800 个 GPU 训练几十天到单个 GPU 几小时,看神经架构搜索如何进化