ronghuaiyang

使用SOTA的预训练模型来通过迁移学习解决现实的计算机视觉问题。 如果你试过构建高精度的机器学习模型，但还没有试过迁移学习，这篇文章将改变你的生活。...

知识蒸馏的简单介绍，让大家了解知识蒸馏背后的直觉。 如果你曾经用神经网络来解决一个复杂的问题，你就会知道它们的尺寸可能非常巨大，包含数百万个参数。...

回顾了场景文本检测和识别领域的3篇论文，分别是检测，识别以及端到端的方法。 基于深度学习的方法可以在自然图像中检测和识别复杂的文本实例。...

本文列举了5个将PyTorch应用到生产时容易遇到的5个错误操作。 在这里，我想分享在生产中使用PyTorch最常见的5个错误。考虑过使用CPU吗？使用多线程？使用更多的G...

给大家介绍一个非常好用的TensorFlow数据pipeline工具。 高性能的Tensorflow Data Pipeline，使用SOTA的增强和底层优化。...

今天给大家介绍半监督学习中的3个最基础的概念：一致性正则化，熵最小化和伪标签，并介绍了两个经典的半监督学习方法。...

最基础的半监督学习的概念，给大家一个感性的认识。 半监督学习(SSL)是一种机器学习技术，其中任务是从一个小的带标签的数据集和相对较大的未带标签的数据中学习得到的。...

好的工具和工作习惯可以极大的提升工作效率。每一个深度学习项目都是不同的。不管你有多少经验，你总会遇到新的挑战和意想不到的行为。...

如果深度学习是一种超能力，那么将理论从论文转化为可用的代码就是一种超超能力。 正如我所说的，能够将一篇论文转换成代码绝对是一种超超能力，尤其是在像机器学习这样每天都在快速发...

对监控领域的目标跟踪方法以及面临的挑战进行了一个介绍，是一个很好的了解目标跟踪领域的“是什么”和“为什么”问题的文章。...

以监控摄像头数据集的人体检测模型为例，说明了如何通过对数据的理解来逐步提升模型的效果，不对模型做任何改动，将mAP从0.46提升到了0.79。...

通过使用预训练网络在遥感图像应用中减少对标注数据的需求。 深度学习是一个了不起的方法，用于遥感数据集，如卫星或航空照片的目标检测和分割/匹配。...

Batch Normalization确实是深度学习领域的重大突破之一，也是近年来研究人员讨论的热点之一。...

我们知道，视觉分类任务指创建一个模型来捕获从输入图像到相应输出类的关系。然而，FGVC的任务和普通的分类不太一样，因为类内差异比类间差异更多。...

只有在我们拥有大量计算资源的情况下，我们才能够在最近的过去试验和充分利用深度学习的潜力。但是，我们是否已经足够好地使用了我们的计算资源呢？我们能做得更好吗？...

使用CBAM加持的MobileNetV1，ResNeXt&ResNet，WRN优于使用SENet的网络。...

使用数学，代码和数据来揭示大自然的秘密。 自律和自学这两个词不能掉以轻心。一个人必须对自己的教育和启蒙负责。如果你忽略它，别人就会为你做选择。...

在今天的文章中，我们将深入研究视频目标跟踪。我们从基础开始，了解目标跟踪的需求，然后了解视觉目标跟踪的挑战和算法模型，最后，我们将介绍最流行的基于深度学习的目标跟踪方法。...

旋转框相比矩形框可以更好的拟合物体，同时标注起来比分割要方便的多，使用来自NVIDIA的ODTK可以方便的训练，实施和部署旋转框物体检测模型，同时具备多种扩展功能。...

我们的目标是在一个标签可用的数据集(源)上训练神经网络，并在另一个标签不可用的数据集(目标)上保证良好的性能。...