CV技术指南

​前言 目前比较常见的并行训练是数据并行，这是基于模型能够在一个GPU上存储的前提，而当这个前提无法满足时，则需要将模型放在多个GPU上。现有的一些模型并行方案仍存在许多问题，本文提出了一种名为Pat

​前言 DETR首创了使用transformer解决视觉任务的方法，它直接将图像特征图转化为目标检测结果。尽管很有效，但由于在某些区域(如背景)上进行冗余计算，输入完整的feature maps的成本

​前言 医学领域的数据集具有标注样本少、图像非自然的特点，transformer已经证明了在自然图像领域下的成功，而能否应用于医学领域等少量标注样本的非自然图像领域呢？ 本文研究比较了CNN和ViTs

​前言 在计算机视觉中，相对位置编码的有效性还没有得到很好的研究，甚至仍然存在争议，本文分析了相对位置编码中的几个关键因素，提出了一种新的针对2D图像的相对位置编码方法，称为图像RPE(IRPE)。

​前言 人脸表情识别(FER)在计算机视觉领域受到越来越多的关注。本文介绍了一篇在人脸表情识别方向上使用Transformer来学习关系感知的ICCV2021论文，论文提出了一个TransFER模型，

​本文来自一篇2021的论文，论文简要回顾了现有的SOTA模型和MOT算法、对多目标跟踪中的深度学习进行了讨论、介绍了评估方面的指标、数据集和基准结果，最后给出了结论。 本文来自公众号CV技术指南的技

​前言 本文介绍了一篇CVPR2021的语义分割论文，论文将语义分割视为序列到序列的预测任务，基于transformer作为编码器，介绍了三种解码器方式，选择其中效果最好的解码器方式与transfor

​前言 本文介绍一篇CVPR2020的论文，它在paperswithcode上获得了16887星，谷歌学术上有261的引用次数。 论文主要介绍了目标检测现有的研究进展、anchor-based和anc

​前言  本文比较全面地介绍了实例分割在单阶段方法上的进展，根据基于局部掩码、基于全局掩码和按照位置分割这三个类别，分析了相关19篇论文的研究情况，并介绍了它们的优缺点。 公众号CV技术指南原文文末附

​前言 在《论文创新的常见思路总结》(点击标题阅读)一文中，提到过一些新的数据集或者新方向比较容易出论文。因此纠结于选择课题方向的读者可以考虑以下几个新方向。文末附相关论文获取方式。 本文来自公众号C

​前言 本文介绍了如何使用 PyTorch Lightning 构建高效且快速的深度学习管道，主要包括有为什么优化深度学习管道很重要、使用 PyTorch Lightning 加快实验周期的六种方法、

​前言 本文介绍了anchor的基本概念，基于anchor的实际应用流程，以及anchor的设置。 本文讲的很浅，仅用于帮助小白理解基本概念。后续还会发一些深入理解anchor的文章，请继续关注公众号

​前言 本文介绍了多标签分类的基本概念和评估指标，总结了可用于提高多标签分类模型性能的多种方法：建模技巧、监督特征选择方法、无监督特征选择方法和上采样方法。 本文来自公众号CV技术指南的技术总结系列

​前言 本文概述了多人姿态估计任务，重点介绍了深度学习中的一些多人姿态估计方法，并简要介绍了多人姿态估计的应用场景。 本文来自公众号CV技术指南的技术总结系列 点个关注 ，专注于计算机视觉的技术总结、

​前言 本文介绍了为什么初始化很重要，总结了常用的几种初始化方法：全零或等值初始化、正态初始化、均匀初始化、Xavier初始化、He初始化和Pre-trained初始化，并介绍了几个还活跃的初始化方向

​前言 本文对语义分割相关重要论文进行了简要概述，介绍了它们的主要改进方法和改进效果，并提供了这些论文的下载方式。 本文来自公众号CV技术指南的技术总结系列 欢迎关注CV技术指南 ，专注于计算机视觉的

​前言 这篇文章非常全面细致地介绍了Batch Size的相关问题。结合一些理论知识，通过大量实验，文章探讨了Batch Size的大小对模型性能的影响、如何影响以及如何缩小影响等有关内容。 本文来自

​本文来自公众号CV技术指南的技术总结系列 点个关注 ，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读。 前言 本文介绍了两个实验，展示了padding在深度学习模型中的影响。 实验一 卷积是

​ 本文来自公众号CV技术指南资源分享系列 创建高质量的数据集是任何机器学习项目的关键部分。在实践中，这通常比实际训练和超参数优化花费的时间更长。因此，选择合适的标注工具至关重要。在这里，我们总结了一

​前言 由于内存和计算资源有限，在嵌入式设备上部署卷积神经网络 (CNN) 很困难。特征图中的冗余是那些成功的 CNN 的一个重要特征，但在神经架构设计中很少被研究。 论文提出了一种新颖的 Ghost