Pytorch 模型训练
Pytorch 的训练方式及进行分布式训练的原理、步骤,最后讲解如何进行混合精度训练
Pytorch 的训练方式及进行分布式训练的原理、步骤,最后讲解如何进行混合精度训练
实例分割的第一个模型,创造性地结合 Faster RCNN 和 FCN,分别完成实例的定位、分类及 Mask 生成,同时为了解决 ROI Pooling 的量化误差问题,提出 ROI Align 替换
目标检测原理汇总
本文记录自己学习 C# 多线程的过程与思考
目标检测全新检测方式,相比较过去的二阶段检测方法,YOLO 系列系列将模型输出看作网格,图片的目标落在网格上,输出 “网格数量的” 预测实现对目标的检测
YOLOv 8 是一个 anchor-free 模型,并通过 TAA 标签分配和 DFL 损失提升模型效果
YOLOv7 通过扩展高效聚合网络 (E-ELAN)、一致性的模型缩放策略、模型重参数化和动态标签分配,实现更高的精度
总结在 C# 读取图片的基础操作
YOLOv6 基于 RepVGG 设计了可重参数化、更高效的骨干网络