Happy 头像

Happy

145 声望
他还没有填写个人简介
关注了
0
粉丝数
1
最新动态
  • 赞了文章 ·
    实战MNN之Mobilenet SSD部署(含源码)

    MNN 是一个轻量级的深度学习端侧推理引擎,核心解决深度神经网络模型在端侧推理运行问题,涵盖深度神经网络模型的优化、转换和推理。目前,MNN已经在手淘、手猫、优酷、聚划算、UC、飞猪、千牛等 20 多个 App 中使用,覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景,每天稳定运行上亿...

    摘要图
  • 发布了文章 ·
    最新论文解读:深度学习替代手机ISP可行吗?

    手机拍照的流行,复杂的相机ISP方案的需要更多的努力以提升成像效果。作者在本文中证实:简简单单无需任何关于传感器和光学信息的端到端深度学习模块即可替代大多主流ISP方案。作者提出一种新颖的金字塔CNN架构(PyNet)用于细粒度图像复原,它可以隐含的完成所有ISP过程(比如图像去马赛克、图像去噪、白平衡、颜色与对...

    摘要图
  • 赞了文章 ·
    Al芯片:驱动智能产品的大脑

    回顾2019年,AI机器人群聊、管控道路桥梁积水、写作、智能客服……人工智能做了许多原本人类才会做的事情。数不尽的纷繁应用背后离不开AI芯片的基础支撑,它是如何驱动AI“作业”的呢?

  • 发布了文章 ·
    效果好速度还好的图像去噪:BRDNet

    DCNN在图像去噪领域取得了极大的关注,然而仍存在两个缺陷:(1)训练困难;(2)性能饱和。为解决上述问题,作者设计了一种称之为BRDNet的网络架构,它包含两个网络用于提升网络的宽度,同时获取更多特征。BRN的应用缓解了internal covariate shift与小批次问题;采用残差学习方式加速训练;采用扩张卷积提升感受野获取...

    摘要图
  • 发布了文章 ·
    ICCV2019|非对称卷积网络ACNet,有效增强CNN的核骨架,提升不同模型在CIFAR及ImageNet中的性能

    给定应用场景,设计CNN的过程往往需要花费大量的人力与物力。架构中立的CNN结构可以无缝对接插入到现有网络中并提升性能,如𝑂𝐶𝑇𝐶𝑜𝑛𝑣,𝑆𝐸等已成为研究热点。作者提出一种非对称卷积模块(ACB),它采用1D非对称卷积提升方框卷积核的性能。对于现有网络架构,采用ACB替换标准方框卷积构建非对称卷积网络(ACNet,它可以进一步...

    摘要图
  • 发布了文章 ·
    谷歌Quov V.Le出品,CondConv 在提升模型容量同时能保持高效推理

    该文是谷歌大神Quov V.Le出品,一种条件卷积,我更愿称之为动态卷积。卷积是当前CNN网络的基本构成单元之一,它的一个基本假设是:卷积参数对所有样例共享。作者提出一种条件参数卷积,它可以为每个样例学习一个特定的卷积核参数,通过替换标准卷积,CondConv可以提升模型的尺寸与容量,同时保持高效推理。作者证实:相...

    摘要图
  • 发布了文章 ·
    视频去模糊:STFAN, 达到速度,精度和模型大小同步考虑的SOTA性能

    该文是商汤研究院、南京科技以及哈工大联合提出的一种采用动态滤波器卷积进行视频去模糊的方法。由于相机抖动、目标运动以及景深变化会导致视频中存在spatially variant blur现象。现有的去模糊方法通常在模糊视频中估计光流进行对齐。这种方法会因光流估计的不够精确导致生成的视频存在伪影,或无法有效去除模糊。为克...

    摘要图
认证与成就
获得 10 次点赞
1月15日 加入
qrcode
关注微信服务号
实时接收回答提醒和评论通知