ddrnet - 程序员宅基地

SegFormer学习笔记（4）train续2

标签：学习

这次关注一下最关键的东西：用什么网络，用什么数据，预训练数据在哪里呢？为了方便，重新贴一下 train.py。

【语义分割】——又快又强：Deep Dual-resolution Networks for Real-time and Accurate Semantic ...

出处：哈尔滨工业大学 ...本文提出的模型在单张2080ti上DDRNet-slim能打到77.4% mIoU和230FPS，DDRNet-39能打到80.4% mIoU 和 23FPS 1. 简介提出了一种新的深度双分辨率双边网络用于实时语义分割。 .

【AI视野·今日CV 计算机视觉论文速览第151期 part2】Tue, 6 Aug 2019

标签：深度学习深度补全三维重建

AI视野·今日CS.CV 计算机视觉论文速览 ---三维专场 ---深度补全 ---引导采样 ---可差分渲染 ---多视角优化重建 ---压缩感知

mmsegmentation之mmseg/models/backbones/resnet.文件解析(部分，持续更新)

标签： pytorch python 深度学习

DenseNet论文详解及PyTorch复现

标签：目标检测 pytorch 深度学习

ResNet（深度残差网络，Deep residual network, ResNet）：通过建立前面层与后面层之间的“短路连接”，这有助于训练过程中梯度的反向传播，从而能训练出更深的CNN网络。 ... 图1 Resnet网络的短路连接机制（其中+代表...

深度学习与pytorch基础-第二周学习笔记

结构基本上是softmaxlayers+=[nn.AvgPool2d(kernel_size=1,stride=1)]returnnn.Sequential(*layers)#网络放到GPU上net=VGG().to(device)criterion=nn.CrossEntropyLoss()optimizer=optim.Adam(net.parameters(),lr=0...

《人均码农的世界对连c都不会写的辣鸡很不友好》之paddle系列 PP-humanseg保姆级入门教学（之后会更新...

标签： paddle python 开发语言

pp humanseg教学

解决小目标检测/语义分割的方法

标签：深度学习

解决小目标检测！多尺度方法汇总

DRU-Net--一种用于医学图像分割的高效深度卷积神经网络

标签： cnn 人工智能深度学习

改变了以往U型网络的编码器的结构

论文阅读笔记——STDC-Seg

标签：计算机视觉深度学习人工智能

作者参考了BiSeNet，并在其基础上对模型的架构进行了改进，达到了取得了更快的速度和更高的精度（没有提到显存占用，经测试，STDC2_50在转为trt后，显存占用大致在900M左右） BiSeNet的设计是一个双流网络，spatial ...

ONNX简介

标签：深度学习 tensorflow 神经网络

ONNX简介

PP-LiteSeg

标签：深度学习人工智能

最新最强的实时分割网络——PP-LiteSeg

深度学习——DRD-Net

标签：深度学习 tensorflow 神经网络

CVPR2020原论文：Detail-recovery Image Deraining via Context Aggregation Networks ...1.主要工作：提出了双分支去雨网络。一个分支为基于压缩激励机制（squeeze-and excitation ，SE)的雨残差估计网络，SE能够获取...

TensorRT学习（1）：通过pth生成wts文件

标签： pytorch 经验分享 python

TensorRT学习（1）：通过pth生成wts文件 1. pth文件简介 pth文件是pytorch保存模型的一种方式，该文件只保存模型的参数。模型参数实际上一个字典类型，通过key-value的形式存储。 2. wts文件格式示例（来自wang-...

[报错解决]_pickle.PicklingError: Can‘t pickle ‘main.Net‘＞: attribute lookup ...

标签： python pickle

报错解决

全局平均池化为什么有效

思想：对于输出的每一个通道的特征图的所有像素计算一个平均值，经过全局平均池化之后就得到一个维度==类别数的特征向量，然后直接输入到softmax层作用：代替全连接层，可接受任意尺寸的图像 ...

_pickle.PicklingError: Can‘t pickle ‘main.XXXX‘＞: attribute lookup XXXX on __main的解决方法

标签：深度学习 python 机器学习

_pickle.PicklingError: Can‘t pickle ‘__main__.XXXXX‘＞: attribute lookup XXXXX on __main的解决方法

论文学习笔记-YOLACT

标签：计算机视觉实例分割

『写在前面』基于One-stage型目标检测模型提出的One-stage型实例分割模型，可能是首个真正意义上达到实时性（>30fps）的实例分割模型。作者机构：Daniel Bolya等，University of California, Davis ...

pickle.PicklingError错误（pickle 无法保存 namedtuple）

标签： python

Debug：pickle 无法保存 namedtuple

Python爬虫踩坑记录 _pickle.PicklingError: Can‘t pickle ＜class＞

python爬虫&Ubuntu下载MongoDB踩坑记录

基于RGB-D图像的语义场景补全研究进展综述

标签：卷积算法大数据

作者丨张康，安泊舟，李捷，袁夏，赵春霞（软件学报）来源丨https://zhuanlan.zhihu.com/p/432968137（一点人工一点智能）编辑丨3D视觉工坊近年来随着计算机视...

[python](windows)分布式进程问题：pickle模块不能序列化lambda函数

运行错误：_pickle.PicklingError: Can't pickle <function <lambda> at 0x000002BAAEF12F28>: attribute lookup <lambda> on __main__ failed 代码如下： ... 2 # -*- coding:...

Segmentation-Pytorch:pytorch中的语义分割。网络包括

标签： Python

使用模型 DDRNet 1525张测试集, 官方Miou=78.4069% Average results Class results1 Class results2 Class results3 原图和预测图对比 origin gt predict 2. 环境安装 pip install -r requirements.txt 实验环境： ...

组会论文翻译：PIDNet：受PID控制器启发的实时语义分割网络

标签：网络 opencv 机器学习

双分支网络结构已显示出其对实时语义分割任务的效率性和有效性。然而，直接融合高分辨率的细节和低频率的背景有一个缺点即细节特征很容易被周围的背景信息所淹没。这种超调限制了现有双分支模型的分割精度的提高。...

PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers翻译

标签：人工智能深度学习计算机视觉

摘要在实时语义分割任务中，双分支网络架构具有良好得效率和有效性。然而，高分辨率细节和低频上下文的直接融合存在细节特征容易被周围上下文信息淹没的缺点。这种过冲现象限制了现有双分支模型分割精度的提高。...

【论文阅读--实时语义分割】PID...

标签：论文阅读深度学习

双分支网络结构已显示出其对实时语义分割任务的效率性和有效性。然而，低级细节和高级语义的直接融合将导致细节特征容易被周围上下文信息淹没，即本文中的超调 (overshoot)，这限制了现有两个分支模型的准确性的提高...

Deep Dual-resolution Networks for Real-time and Accurate Semantic Segmentation of Road Scenes

标签：计算机视觉

DDRNet：Deep Dual-resolution Networks for Real-time and Accurate Semantic Segmentation of Road Scenes 作者：Y uanduo Hong, Huihui Pan, Weichao Sun, Senior Member , IEEE, Yisong Jia 时间：2021 摘要 ...