ronghuaiyang 头像

ronghuaiyang

2175 声望
他还没有填写个人简介
关注了
0
粉丝数
5
最新动态
  • 发布了文章 ·
    U²-Net:使用显著性物体检测来生成真实的铅笔肖像画

    首发:AI公园公众号作者:Synced编译:ronghuaiyang导读感觉可以当成边缘检测来用。铅笔素描肖像生成已出现作为Alberta大学的U²-Net的一个有趣和流行的新应用。自用于显著目标检测的新的深度网络架构开源以来,该项目的GitHub页面在三天内收到了超过2400颗星。 在计算机视觉领域中,从自然场景中检测和分割视觉上最吸引...

    摘要图
  • 发布了文章 ·
    Transformers资料汇总,从概要到原理到应用

    首发:AI公园公众号作者:Elvis编译:ronghuaiyang导读从浅入深学习Transformer的资料汇总。Transformers 加速了自然语言处理(NLP)任务的新技术和模型的发展。虽然它主要用于NLP任务,但现在它被大量应用于处理计算机视觉任务。这使它成为一个非常重要的技术。我知道很多机器学习和NLP的学生和从业者都非常热衷于学习Tra...

    摘要图
  • 发布了文章 ·
    修改一行代码,将图像匹配效果提升14%

    OpenCV 4.5.1中最令人兴奋的特性之一是BEBLID (Boosted Efficient Binary Local Image Descriptor),一个新的描述符能够提高图像匹配精度,同时减少执行时间!这篇文章将向你展示这个魔法是如何实现的。所有的源代码都在这个GitHub库中:[链接]

    摘要图
  • 发布了文章 ·
    相机标定中各种标定板介绍以及优缺点分析

    准确标定像机对于所有的机器/计算机视觉的成功应用都是非常重要的。然而,对于标定板,有不同的模式可供选择。为了方便进行选择,本文将解释每种方法的主要好处。

    摘要图
  • 发布了文章 ·
    不使用任何trick,将原始ResNet-50在ImageNet上的Top-1准确率提升到80%+

    作者使用最近提出的MEAL技术(包括从多个大型老师网络使用蒸馏通过对抗学习得到更小的学生网络学习),使用224×224输入,在ImageNet上提升了ResNet-50的精度到80.67%, 没有外部训练数据和网络体系结构的修改。

    摘要图
  • 发布了文章 ·
    使用SINet进行伪装目标检测

    首发:AI公园公众号作者:Dylan Hiemstra编译:ronghuaiyang导读使用深度学习检测那些伪装成背景的目标。你能找到这些有伪装的目标吗? 匹配背景的伪装。这就是生物学家所说的,当动物为了避免被认出而改变自己身体的颜色以适应周围环境。它的工作原理是欺骗观察者的视觉感知系统。使用传统的显著性目标检测(SOD)来检测这...

    摘要图
  • 发布了文章 ·
    训练鲁棒的物体检测器的6大障碍

    首发:AI公园公众号作者:Sabina Pokhrel编译:ronghuaiyang导读你的物体检测器足够鲁棒吗,可以试试下面的6中场景。你的物体探测器能检测出下图中的人和马吗?如果同样的图像旋转90度会怎样?还能探测到人和马吗?这些图片里的猫可以检测出来吗?我们在计算机视觉方面已经取得了长足的进步。在某些任务中,使用人工智能...

    摘要图
  • 发布了文章 ·
    用Keras实现使用自归一化神经网络来解决梯度消失的问题

    训练深度神经网络是一项具有挑战性的任务,特别是对于深度很深的模型。这些困难的一个主要部分是由于通过backpropagation来计算的梯度的不稳定性造成的。在这篇文章中,我们将学习如何使用Keras创建一个自归一化的深度前馈神经网络。这将解决梯度不稳定的问题,加速训练收敛,提高模型性能。

    摘要图
  • 发布了文章 ·
    对稀有飞机数据集进行多属性物体检测:使用YOLOv5的实验过程

    首发:AI公园公众号编译:ronghuaiyang导读如何使用物体的多个特征来提升物体检测的能力,使用YOLOv5进行多属性物体检测的实验。我们发布了RarePlanes数据集和基线实验的结果。今天,我们试图进一步展示数据集的多特征以及它独特的用途。我们训练了一个目标检测模型,不仅可以识别飞机,还可以识别它们的特征,如引擎的...

    摘要图
  • 发布了文章 ·
    使用计算机视觉来做异常检测

    创建异常检测模型,实现生产线上异常检测过程的自动化。在选择数据集来训练和测试模型之后,我们能够成功地检测出86%到90%的异常。

    摘要图
  • 发布了文章 ·
    计算机视觉中的双目立体视觉和体积度量

    立体视觉意味着人工智能可以通过一对相机来感知图像的深度以及物体的距离。大多数三维相机模型都是基于立体视觉理论和技术的。两台摄像机之间设置一定的距离,这样它们就可以从不同的角度“看”物体。评估两个图像之间的对应关系,人工智能确定到目标的距离,分析,并建立目标的3D结构。

    摘要图
  • 发布了文章 ·
    深度学习能看到的比你更多,亚像素物体计数方法介绍

    通过低分辨率卫星图像,对亚像素物体进行计数,误差<5%。我们可以使用深度学习模型在亚像素尺度上对物体进行计数吗?深度学习已经成功地在好几个任务上实现了自动化,我们想要停掉使用人工操作的任务,但是哪些任务对于人类来说是困难的呢?

    摘要图
  • 发布了文章 ·
    2020 IEEE ACCESS :使用Conv-LSTM的深度学习多尺度模糊检测

    首发:AI公园公众号作者:ronghuaiyang导读使用VGG+Conv-LSTM,超越BTBCRL,DeFusionNet和DHDE。本文综述了中国民航大学的离焦模糊检测方法,该方法采用Conv-LSTM, MsFEN+MsBEN。文章摘要:从同一个图像中提取不同大小的多尺度卷积特征使用Conv-LSTMs将融合后的特征从上到下逐层融合,生成多尺度的模糊估计。概要多尺度...

    摘要图
  • 发布了文章 ·
    FcaNet:频率通道注意力网络论文解读

    首发:AI公园公众号作者:ronghuaiyang导读改一行代码就能涨点,这么好的事情,还不赶紧来看看,用不同的频率分量来做注意力,确实有效果! 论文:[链接]1、介绍注意力机制有很多种方法,空间注意力,通道注意力,自注意力等,这里我们讨论的是通道注意力。通道注意力非常简单,直接学习出对应的每个通道的权值就可以,...

    摘要图
  • 发布了文章 ·
    医学图像语义分割最佳方法的全面比较:UNet和UNet++

    首发:AI公园公众号作者:Sergey Kolchenko编译:ronghuaiyang导读在不同的任务上对比了UNet和UNet++以及使用不同的预训练编码器的效果。介绍 语义分割是计算机视觉的一个问题,我们的任务是使用图像作为输入,为图像中的每个像素分配一个类。在语义分割的情况下,我们不关心是否有同一个类的多个实例(对象),我们只是用...

    摘要图
  • 发布了文章 ·
    计算机视觉中的Transformer

    首发:AI公园公众号作者:Cheng He编译:ronghuaiyang导读将Transformer应用到CV任务中现在越来越多了,这里整理了一些相关的进展给大家。Transformer结构已经在许多自然语言处理任务中取得了最先进的成果。Transformer 模型的一个主要的突破可能是今年年中发布的GPT-3,被授予NeurIPS2020“最佳论文“。 在计算机视觉领域...

    摘要图
  • 发布了文章 ·
    目标检测的模型集成方法及实验

    集成机器学习模型是一种常见的提升模型能力的方式,并已在多个场景中使用,因为它们结合了多个模型的决策,以提高整体性能,但当涉及到基于DNN(深度神经网络)的目标检测模型时,它并不仅仅是合并结果那么简单。

    摘要图
  • 发布了文章 ·
    如何用深度学习来做检索:度量学习中关于排序损失函数的综述(1)

    一篇关于度量学习损失函数的综述,这是第一部分,对比损失和三元组损失。检索网络对于搜索和索引是必不可少的。深度学习利用各种排名损失来学习一个对象的嵌入 —— 来自同一类的对象的嵌入比来自不同类的对象的嵌入更接近。本文比较了各种著名的排名损失的公式和应用。深度学习的检索正式的说法为度量学习(ML)。在这个学...

    摘要图
  • 发布了文章 ·
    Papers with Code 2020 全年回顾

    Papers with Code 中收集了各种机器学习的内容:论文,代码,结果,方便发现和比较。通过这些数据,我们可以了解ML社区中,今年哪些东西最有意思。下面我们总结了2020年最热门的带代码的论文、代码库和benchmark。

    摘要图
  • 发布了文章 ·
    CVPR 2020 SEPC论文解析:使用尺度均衡金字塔卷积做目标检测

    首发:AI公园公众号编译:ronghuaiyang导读只说重要的,计算量基本不变,涨AP,3.5个点!论文:[链接]代码:[链接]在做目标检测的时候,利用不同level的特征进行预测已经是标准操作了,所以,如何进行不同特征层之间的融合有很多不同的方法,但是基本上都是先进行缩放,缩放到相同的分辨率,然后进行相加或者拼接。但是...

    摘要图
认证与成就
获得 14 次点赞
2020年01月14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
Arm中国学堂公众号
关注Arm中国学堂
实时获取免费 Arm 教学资源信息
Arm中国招聘公众号
关注Arm中国招聘
实时获取 Arm 中国职位信息