AI学习者 头像

AI学习者

7119 声望
嵌入式,CV,NLP,数字芯片设计学习中~ 展开

嵌入式,CV,NLP,数字芯片设计学习中~

收起
关注了
76
粉丝数
42
IP 属地湖南
最新动态
  • 发布了文章 ·
    MediaPipe模型解读 | MoveNet-SinglePose:自底向上做单人姿态估计

    MoveNet是Google在2021年5月推出的一款轻量化姿态估计模型,集成在MediaPipe当中,出来至今已经一年多了,但是似乎相关的技术解读比较少,最近正好调研到仔细研究了一下感觉挺有意思的,所以更新一期解读。

    摘要图
  • 发布了文章 ·
    基于隐式神经网络表达的数据压缩

    数据压缩是一种在日常生活中广泛应用的技术,从算法角度来讲,压缩的过程是通过改变数据的表征范式以达到保留信息、去除冗余的过程。近来,深度学习在数据压缩领域的应用不仅表现出极好的性能,还为数据表征提出了具有启发性的新范式。

    摘要图
  • 发布了文章 ·
    All are Worth Words | 当 ViT 遇到扩展模型会出现什么样子的火花?

    Vision transformers(ViT) 在包括 low-level 任务在内的各种视觉任务中显示出不错的性能,而 U-Net 在  score-based 的扩散模型中仍然占主导地位。在本文中,对扩散模型中基于 ViT 的架构进行了系统的实证研究。结果表明,向 ViT 添加超长的 skip connections(如 U-Net)对于扩散模型至关重要。新的 ViT 架构与其他改进...

    摘要图
  • 发布了文章 ·
    SepViT + BiFPN + SIoU成就更轻更快更优秀的 YOLOv5 改进算法

    针对现有目标检测算法应用于复杂火灾场景检测精度差、速度慢、部署困难的问题,本文提出一种轻量级的 Light-YOLOv5 火灾检测算法,实现速度和精度的平衡。首先,将最后一层 Backbone 替换为SepViT Block,增强 Backbone 与全局信息的联系;其次,设计了 Light-BiFPN Neck 网络,在提高特征提取的同时减轻模型复杂度;第...

    摘要图
  • 发布了文章 ·
    连夜卷出 | 超越所有YOLO检测模型,mmdet开源当今最强最快目标检测模型!

    首先,这里先声明一下由于论文和代码没有一并放出,所以以下内容全是个人学习RTMDet代码的一个结果,整个过程时间也比较紧凑,难免会有所遗漏和错误,一切关于RTMDet的工作,最终以OpenMMLab官方论文为主,因为看到开源代码的速度表,小编很难不爱,小模型就可以把YOLO全系列按在地上摩擦,因此也就有了下面的故事。

    摘要图
  • 发布了文章 ·
    现代中央处理器 (CPU) 是怎样进行分支预测的?

    最近看到一篇绝佳的文献《Processor Microarchitecture: An Implementation Perspective》,刚好能回答这个问题。

    摘要图
  • 发布了文章 ·
    3D检测难点 | 3D检测如何解决远处小目标问题?Deformable PV-RCNN 或是个答案!

    本文提出了 Deformable PV-RCNN,一种基于点云的高性能 3D 目标检测器。目前,最先进的两阶段检测器使用的proposal细化方法不能充分适应不同尺度的目标对象、不同的点云密度、部分变形和杂波。作者提出了一个受 2D 可变形卷积网络启发的proposal细化模块,该模块可以从存在信息内容的位置自适应地收集特定于实例的特征。...

    摘要图
  • 赞了文章 ·
    【MM32F5270开发板试用】单片机也能玩神经网络-TinyMaix实测开源

    (完整代码在末尾百度网盘)问题点基本上集中在怎么量化,还有就是单片机前段推理框架。最重要的就是资源问题。先贴一下TinyMaix。宝藏仓库

    摘要图
  • 发布了文章 ·
    论文精读 | Processor Microarchitecture - Caches

    最近看到一篇绝佳的文献《Processor Microarchitecture: An Implementation Perspective》,该文献对微架构中的缓存、取指、解码、寄存器分配、指令 issue、指令执行、指令提交等环节,从硬件实现的角度进行了阐述。

    摘要图
  • 发布了文章 ·
    CenterNet思想究竟有多少花样?看CenterFormer在3D检测全新SOTA

    Query-based Transformer 在许多图像域任务中显示出构建远程注意力的巨大潜力,但由于点云数据的庞大规模,在基于 LiDAR 的 3D 目标检测中很少被考虑。在本文中提出了 CenterFormer,一种 Center-based Transformer 网络,用于 3D 目标检测。CenterFormer 首先使用Center Heatmap在标准的基于Voxel的点云编码器之上选择...

    摘要图
  • 赞了文章 ·
    【2022集创赛】安谋科技杯一等奖作品:Cortex-M0智能娱乐收音机

    本篇文章是2022年第六届全国大学生集成电路创新创业大赛安谋科技杯一等奖作品分享,参加极术社区的【有奖征集】分享你的2022集创赛作品,秀出作品风采活动。

    摘要图
  • 发布了文章 ·
    超越YOLOv7 | YOLOv6论文放出,重参+自蒸馏+感知量化+...各种Tricks大放异彩

    多年来,YOLO 系列一直是高效目标检测的行业标准。YOLO 社区蓬勃发展,丰富了其在众多硬件平台和丰富场景中的使用。在这份技术报告力求将其极限推向新的高度,以坚定不移的行业应用心态向前迈进。考虑到真实环境中对速度和准确性的不同要求,作者广泛研究了来自工业界或学术界的最新目标检测进展。具体来说,从最近的网...

    摘要图
  • 发布了文章 ·
    超越SWin、CSWin,MAFormer再探ViT Backbone新高度

    Vision Transformer 及其变体在各种计算机视觉任务中展示了巨大的潜力。但传统的Vision Transformer通常侧重于coarse level的全局依赖,这在全局关系和Token级别的细粒度表示方面存在学习挑战。在本文中,将 Multi-scale Attention Fusion 引入到 Transformer (MAFormer) 中,它探索了用于视觉识别的双流框架中的局部聚...

    摘要图
  • 发布了文章 ·
    YOLOU 集成超轻量化 YOLO 系列模型YOLO-Fastest v2,ONNX一键导出部署!

    YOLOU是一个集成YOLOv3、YOLOv4、YOLOv5、YOLOv6、YOLOv7、YOLOX以及YOLOR的YOLO系列目标检测算法库,对于轻量化目标检测同时也集成了YOLOv3-Tiny、YOLOv4-Tiny、YOLO-Fastest V2、FastestDet、YOLOv5-Lite以及YOLOX-Lite。

    摘要图
  • 发布了文章 ·
    利用Transformer和Voxel Query让Point与Voxel更好结合成就3D检测

    outdoor LiDAR 点云中的前景点(即物体)和背景点之间经常存在很大的不平衡。它阻碍了检测器专注于信息区域以产生准确的 3D 目标检测结果。本文通过语义Point-Voxel特征交互提出了一种新颖的目标检测网络,称为 PV-RCNN++。与大多数现有方法不同,PV-RCNN++ 探索语义信息以提高目标检测的质量。首先,提出了一个语义分割...

    摘要图
  • 发布了文章 ·
    阿里巴巴提出YOLOX-PAI,1ms内精度无敌,超越YOLOv6、PP-YOLOE

    EasyCV 是一个一体化计算机视觉工具箱,以方便使用各种 SOTA 计算机视觉方法。最近,作者将 YOLOX 的改进版 YOLOX-PAI 添加到 EasyCV 中。作者进行消融研究以调查某些检测方法对 YOLOX 的影响。作者还为 PAI-Blade 提供了一个简单的用法,用于加速基于 BladeDISC 和 TensorRT 的推理过程。最后,在单个 NVIDIA V100 GPU ...

    摘要图
  • 发布了文章 ·
    全新高性能 FPN | ssFPN 教您如何修改 FPN 让大小目标在目标检测中都有提升!!!

    特征金字塔网络 (FPN) 一直是目标检测模型考虑目标的各种尺度的基本模块。但是,小目标的平均精度(AP)相对于中大目标的平均精度(AP)要低。原因是 CNN 的更深层特征会带来信息丢失。作者提出了一种新的 FPN Scale Sequence() 特征提取方法,以加强小目标的特征信息。作者将 FPN 结构视为尺度空间,并在 FPN 的水平轴...

    摘要图
  • 发布了文章 ·
    首次在智能手机上训练BERT和ResNet,能耗降35%

    文章来源:机器之心作者:机器之心编辑部机器之心报道机器之心编辑部研究者表示,他们将边缘训练看作一个优化问题,从而发现了在给定内存预算下实现最小能耗的最优调度。目前,智能手机和嵌入式平台等边缘设备上已经广泛部署深度学习模型来进行推理。其中,训练仍然主要是在具有 GPU 等高通量加速器的大型云服务器上完成...

    摘要图
  • 发布了文章 ·
    YOLOv7结合YOLOP的多任务版本,超越YOLOP以及HybridNets

    在过去的十年中,多任务学习方法在解决全景驾驶感知问题方面取得了不错的成果,同时提供了高精度和高效率的性能。在为计算资源有限的实时实际自动驾驶系统设计网络时,它已成为一种流行的范例。本文提出了一种有效且高效的多任务学习网络,可同时执行交通目标检测、可行驶道路区域分割和车道检测任务。YOLOP-v2模型在具...

    摘要图
  • 发布了文章 ·
    nnUNet 改进 | 让UNet系列在大赛中雄风依旧!

    语义分割是医学图像计算中最热门的研究领域之一。尽管 nnU-Net 的概念化可以追溯到 2018 年,但它继续为各种分割问题提供具有竞争力的开箱即用解决方案,并经常被用作挑战获胜算法的开发框架。在这里使用 nnU-Net 参加 AMOS2022 挑战赛,该挑战赛附带一组独特的任务:不仅数据集是有史以来最大的数据集之一,拥有 15 个...

    摘要图
认证与成就
获得 70 次点赞
2019年08月04日 加入
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息