视频显著性检测模型TasedNet在移动端的轻量化设计
1 TasedNet轻量化 TASED-Net 是一种用于视频显着性检测的新型全卷积网络架构。主要思想简单但有效：对 3D 视频特征进行空间解码，同时联合聚合所有时间信息。 github:https://github.com/MichiganCOG/TASED-Net TasedNet官方仓库预训练…
- 模型部署
- 2024-11-25
总结目前已发表的视频显著性检测模型
1 视频显著性检测模型 模型名 论文名 是否开源 Github DeepVS DeepVS: A Deep Learning Based Video Saliency ACLNet Revisiting Video Saliency Prediction in the Deep Learning E…
- 深度学习
- 2024-10-30
将smpl、smplh、smplx模型按不同身体部位以不同的颜色进行渲染
1 SMPL/SMPLH/SMPLX 等模型身体部位划分和骨架信息 1.1 身体部位划分 meshcapade.wiki 详细定义了SMPL、SMPLH、STAR、SMPLX、SUPR模型身体部位分割的信息，其中 SMPL、SMPLH、STAR 模型身体部位分割参考此json：https://mes…
- 深度学习
- 2024-09-30
Windows安装Detectron2流程和踩的坑
1 Windows上安装Detectron2 按以下流程安装 git clone https://github.com/facebookresearch/detectron2.git conda create --name detectron2 python=3.9 conda activate d…
- 深度学习
- 2024-09-26
视频显著性检测模型性能排行榜
1 视频显著性检测模型性能排行榜 (Video Saliency Prediction) 地址：Revisiting Video Saliency Prediction in the Deep Learning Era 分别统计了在DHF1K、Hollywood-2、UCF Sports、DIEM、…
- 深度学习
- 2024-09-09
使用huggingface-cli下载模型
1 安装huggingface cli 使用以下命令安装HuggingFace CLI 注意：huggingface_hub 依赖于 Python>=3.8，此外需要安装 0.17.0 及以上的版本，推荐0.19.0+。 pip install -U huggingface_hub 注意，在Wind…
- 人工智能
- 2024-09-05
基于CDLA版面分析数据集使用Yolov8进行文档版面分析实战
1 yolov8 github：https://github.com/ultralytics/ultralytics YOLOv8是一种先进的目标检测算法，它属于You Only Look Once（YOLO）系列的第八代版本。YOLO系列算法因其速度快、性能好而广受欢迎，尤其适用于实时目标检测任务…
- 目标检测
- 2024-04-30
目标检测数据集标注工具、标注原则与数据集采集原则
1 数据集标注工具 1.1 labelme github：https://github.com/labelmeai/labelme Labelme 是一个图像标注工具，允许用户对图像进行像素级别的标注，包括绘制矩形框来识别和定位图像中的对象，以及对图像进行多边形分割。Labelme 支持导出多种数据…
- 目标检测
- 2024-04-29
从模型训练的train loss和test loss分析模型训练存在的问题
在模型训练时，我们可以观察到两个明显的指标就是train loss和test loss，我们可以通过两者差异分析模型所遇到的问题，一般存在以下的情况： train loss 不断下降，test loss 不断下降，说明网络仍在学习； train loss 不断下降，test loss 趋于不变，说明…
- 深度学习
- 2024-03-26
Transformer原理
转载自Transformer原理，如侵联删 Transformer由论文Attention is All You Need提出，本文大部分内容来源于Transformer模型详解（图解最完整版），对于不理解的地方，我会加上个人注解。 1 Attention简介 1.1 Attention注意力机制 …
- Transformer
- 2024-03-20
完全图解RNN、RNN变体、Seq2Seq、Attention机制
本文转载自：完全图解RNN、RNN变体、Seq2Seq、Attention机制，如侵联删 本文主要是利用图片的形式，详细地介绍了经典的RNN、RNN几个重要变体，以及Seq2Seq模型、Attention机制。希望这篇文章能够提供一个全新的视角，帮助初学者更好地入门。 1 从单层网络谈起 在学习RN…
- RNN
- 2024-03-14
理解Transformer
本文来自于知乎：为什么我还是无法理解Transformer的高赞回答 要理解和熟悉一个新的技术/新模型，比较好的方式是通过以下框架结构来熟悉： 为什么：一个新模型的诞生，一般是解决了现有的模型不能解决的一些问题。因此需了解该技术提出的背景和创新点。 是什么 ：熟悉这个模型的内容和架构、训练过程等。 …
- Transformer
- 2024-03-12