Lv.4
lutianfei
更多个人资料
796
成长值
1
关注
11
粉丝
+ 关注
私信
个人介绍
AI+图形渲染
感兴趣或擅长的领域
人工智能、编程语言
个人勋章
TA还没获得勋章~
成长雷达
790
6
0
0
0
个人资料
个人介绍
AI+图形渲染
感兴趣或擅长的领域
人工智能、编程语言
达成规则
以上满足
项可达成此勋章
博客
关注
粉丝
论坛
全部时间
全部时间
最近三天
最近一周
最近一月
全部
暂无专栏分类
深度学习分类任务常用评估指标
分类模型 混淆矩阵sklearn实现:sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None)返回值:一个格式化的字符串,给出了分类结果的混淆矩阵。参数:参考classification_report 。混淆矩阵的内容如下,其中Cij表示真实标记为i但是预测为j的样本的数量。Confusion Matrix:[[5 0][3...
人工智能
EI企业智能
机器学习
机器视觉
深度学习
lutianfei
2021-06-09 11:37:48
7004
0
1
2021-06-09 11:37:48
999+
0
1
论文阅读《通过注意力转移提升神经网络性能》
通过注意力转移提升神经网络性能paying more attention to attention: improving the performance of convolutional networks via attention transfer 论文导读 动机注意力机制在CV和NLP领域的成功应用:受人类观察物品的方式启发, 将注意力这个概念引入神经网络中, 在CV和NLP领域均有成...
神经网络
lutianfei
2021-06-07 20:10:59
4377
0
0
2021-06-07 20:10:59
999+
0
0
【未完待续】文阅读《Learning Video Object Segmentation from Static Images》
Abstract受深度学习在实例分割和对象跟踪方面的最新进展的启发,我们引入了视频对象分割问题作为引导实例分割的概念。我们的模型在每帧的基础上继续,由前一帧的输出引导到下一帧中感兴趣的对象。我们证明了视频中的高精度对象分割可以通过使用仅使用静态图像训练的connet来启用。我们的方法的关键要素是离线和在线学习策略的组合,前者用于从先前的“帧估计”中产生精细的掩码,后者允许捕获特定对象实例的...
机器学习
音视频
lutianfei
2021-05-31 21:22:20
2137
0
0
2021-05-31 21:22:20
999+
0
0
深度学习模型训练流程思考
训练目标是什么,分类、检测、分割。。。走读数据,寻找数据特点与规律,开始思考网络、Loss数据增强的结构和方式寻找可被使用的公开数据集如需自行标注数据,应提取设计好数据标注要求与标准(异常情况的考虑),尽可能通过算法实现半自动化标注,设计好验收标准确认并设计好效果验收指标,可能包括precision、recall、Fssim)F1、AP、mAP、ssim等确认性能验收指标,可能包括,GPU(...
机器学习
深度学习
lutianfei
2021-05-31 21:04:58
2089
0
1
2021-05-31 21:04:58
999+
0
1
【未完待续】论文阅读《SegFlow: Joint Learning for Video Object ...》
Abstract本文提出了一种端到端的可训练网络 SegFlow,用于同时预测视频中的像素级对象分割和光流。 提出的 SegFlow 有两个分支,其中对象分割和光流的有用信息在统一框架中双向传播。 分割分支基于全卷积网络,在图像分割任务中已被证明是有效的,光流分支利用了FlowNet模型。统一框架离线迭代训练以学习通用概念,并针对特定对象在线微调 . 对视频对象分割和光流数据集的大量实验表...
神经网络
音视频
lutianfei
2021-05-31 19:42:38
2961
0
1
2021-05-31 19:42:38
999+
0
1
【未完待续】论文阅读《Every Frame Counts: Joint Learning of Video ...》
Abstract视频语义分割的一个主要挑战是缺乏标记数据。 在大多数基准数据集中,仅对视频剪辑的一帧进行了注释,这使得大多数监督方法无法利用来自其余帧的信息。 为了利用视频中的时空信息,许多以前的工作使用预先计算的光流,对时间一致性进行编码以改善视频分割。 然而,视频分割和光流估计仍然被视为两个独立的任务。 在本文中,我们提出了一种用于联合视频语义分割和光流估计的新框架。 语义分割带来了语...
机器学习
音视频
lutianfei
2021-05-31 16:39:10
2439
0
1
2021-05-31 16:39:10
999+
0
1
基础知识 | 对目标检测认识及理解
本文就目标检测算法的基础知识进行简要综述,方便大家学习查看。
EI企业智能
EI智能体
深度学习
机器学习
通用AI
lutianfei
2021-04-27 10:50:54
5129
0
0
2021-04-27 10:50:54
999+
0
0
Faster RCNN论文与原理解读
论文结构摘要核心候选区域提取是已有检测方法实时性低的主要瓶颈提出了候选区域网络,通过共享特征,提取候选区域,极大提升了计算效率,可以进行端到端训练FastRCNN和VGG通过迭代优化可以实现特征共享FasterRCNN是一个实用系统,在单GPU上达5fps在Pascal VOC2012上达到4% mAP 网络细节Faster RCNN主要有4个重要部分:共享卷积层:用于提取feature...
机器学习
神经网络
lutianfei
2021-01-28 18:22:10
2683
0
0
2021-01-28 18:22:10
999+
0
0
TensorRT使用INT8 原理总结
目标: 在没有明显准确度丢失的情况下将FP32的CNNs网络转换为INT8 理由: INT8类型的存储方式有很高的通量和较低的内存需求 挑战: 相对于FP32, INT8有明显较低的精度和动态范围 解决方式: 在将权值以及计算时最小化有效信息损失. 结果: 上述转换可以通过TensorRT来进行实现,同时该方法不需要额外的大量调整和重新训练
人工智能
AI
lutianfei
2020-06-12 17:36:55
4803
0
1
2020-06-12 17:36:55
999+
0
1
总条数:79
10
10
20
50
100
1
2
3
4
5
6
7
8
上滑加载中
https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
+ 关注
私信