急流勇进

转载了两篇文章。文章1：链接 论文：Focal Loss for Dense Object Detection 论文链接：https://arxiv.org/abs/1708.02002 优化版的MXNet实现：https://github.com/miraclewkf/FocalLoss-MXNetRBG和Kaiming大神的新作。 我们知道object detecti...

原文地址：https://zhuanlan.zhihu.com/p/31558773引言SqueezeNet是Han等提出的一种轻量且高效的CNN模型，它参数比AlexNet少50x，但模型性能（accuracy）与AlexNet接近。在可接受的性能下，小模型相比大模型，具有很多优势：（1）更高效的分布式训练，小模型参数小，网络通信量减少；（2）便于模型更新，模型小，客户端程序容易更新；...

文章来源：https://zhuanlan.zhihu.com/p/58095683CVPR2019年的一篇文章RePr: Improved Training of Convolutional Filters这篇文章初看abstract和introduction，差点以为是model pruning，看到后面发现是针对卷积神经网络的训练方法，而且这个方法比较简单，但文章通过大量的分析...

原文链接：https://zhuanlan.zhihu.com/p/59075508最近放出来了一篇CVPR2019论文，文章提出了一种新的高效卷积方式：HetConv，在CIFAR10、ImageNet等数据集超过了标准卷积以及DW+PW的高效卷积组合形式，取得了更高的分类性能。论文链接：https://arxiv.org/abs/1903.04120【Motivation】目前提高CNN性能...

本文转自：https://zhuanlan.zhihu.com/p/42968117人脸关键点人脸关键点检测是人脸识别和分析领域中的关键一步，它是诸如自动人脸识别、表情分析、三维人脸重建及三维动画等其它人脸相关问题的前提和突破口。近些年来，深度学习方法由于其自动学习及持续学习能力，已被成功应用到了图像识别与分析、语音识别和自然语言处理等很多领域，且在这些方面都带来了很显著的改善。因此，本文针对深...

基于改进Coarse-to-fine CNN网络的人脸特征点定位原文地址：http://blog.csdn.net/hjimce/article/details/50099115作者：hjimce一、相关理论    本篇博文主要讲解2013年face++的大牛们提出粗到精人脸特征点定位算法paper：《Extensive Facial...

原文链接： https://blog.csdn.net/u010359545/article/details/49613801 CVPR2013摘要本文提出了一种通过3级卷积神经网络估计脸部关键点的新方法。在每一级，网络的输出都是鲁棒且准确的。卷积网络的深度结构能在初始阶段中，从全部的脸部区域中提取出高级的特征，这些有利于关键点的...

原文链接： https://blog.csdn.net/u014380165/article/details/76946358 这篇博客主要列个引导表，简单介绍在深度学习算法中损失函数可以改进的方向，并给出详细介绍的博客链接，会不断补充。1、Large Marge Softmax Loss ICML2016提出的Large Marge Softmax Loss（L-softma...

转自两篇解析，第一篇作者本人的解析，第二篇某位博主的解析文章1： 链接 编者按：Momenta Paper Reading致力于打造一个自动驾驶学术前沿知识的分享沟通平台，深入浅出让你轻松读懂AI。本次我们分享的主题是ImageNet冠军模型SENet。论文链接：[1709.01507] Squeeze-and-Excitation Network...

转自两篇文章当作笔记文章1：链接 论文：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 论文链接：https://arxiv.org/abs/1707.01083算法详解： ShuffleNet是Face++的一篇关于降低深度网络计算量的论文，号称是可以在移...

转自三篇文章做笔记文章1：https://zhuanlan.zhihu.com/p/33075914几天前，著名的小网 MobileNet 迎来了它的升级版：MobileNet V2。之前用过 MobileNet V1 的准确率不错，更重要的是速度很快，在 Jetson TX2 上都能达到 38 FPS 的帧率，因此对于 V2 的潜在提升更是十分期待。V2 主要引入了两个改动：Linear B...

之前看了mobile-net论文，现在有些遗忘，转自大牛论文解析博客。文章地址：链接 本篇博文来介绍一个深度学习模型加速的算法：MobileNets，可以在基本不影响准确率的前提下大大减少计算时间和参数数量。论文：MobileNets Efficient Convolutional Neural Networks for Mobile Vision Applications ...

本文转自3篇文章当作自己的笔记。文章1：链接 Learning a Discriminative Feature Network for Semantic SegmentationLearning a Discriminative Feature Network for Semantic Segmentation收录：CVPR2018(IEEE Conference on C...

文章目录1. baseline1.1 baseline template1.2 Training preprocessing pipelines1.3 Test preprocessing pipelines2. Efficient Training2.1 Large batch training2.1.1 Linear scaling learning rate2.1.2 Learning ra...