搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏YOLO大作战
RT-DETR优化改进：SPD-Conv，低分辨率图像和小物体涨点明显，涨点神器，无脑直接使用！！！
图像转换技术[29]来对CNN内部和整个CNN的特征映射进行下采样：考虑任意大小为S × S × C1的中间特征映射X，将子特征映射序列切片为：2.Yolov5-SPD网络结构图只需更换YOLOv5 stride 有7个这样的替换实例，因为YOLOv5在主干中使用5个stride-2卷积层对特征图进行25倍的下采样，在neck使用2个stride-2卷积层。
1.8K20编辑于 2023-11-19
来自专栏晓飞的算法工程笔记
ResNet-RS：谷歌领衔调优ResNet，性能全面超越EfficientNet系列 | 2021 arxiv
3）将下采样模块的skip路径中的stride-2 $1\times 1$卷积替换为stride-2 $2\times 2$平均池化和non-strided $1\times 1$卷积。 4）去掉stem中的stride-2 $3\times 3$最大池化层，在下个bottleneck的首个$3\times 3$卷积中进行下采样。
64610编辑于 2022-07-06
来自专栏DeepHub IMBA
论文推荐：TResNet改进ResNet 实现高性能 GPU 专用架构并且效果优于 EfficientNet
SpaceToDepth Stem ResNet50 stem 由一个 stride-2 conv7×7 和一个最大池化层组成。ResNet-D 将 conv7×7 替换为三个 conv3×3 层。 Anti-Alias Downsampling (AA) stride-2 卷积被 stride-1 卷积替换，然后是一个 3×3 的步长为 2的blur filter。
1.3K10编辑于 2022-11-11
来自专栏相约机器人
[CVPR 2019] Pose2Seg：检测免费的人体实例分割
SegModule：是一个CNN网络，以7 x 7 stride-2 conv层开始，后面跟着几个标准剩余单元。然后，使用双线性上采样层来恢复分辨率，并使用1×1转换层来预测掩模结果。
5.3K40发布于 2019-06-21
来自专栏CVer
46.1 mAP！MimicDet：缩小一阶段和两阶段目标检测之间的差距 | ECCV 2020
具体来说，P6在C5上采用3×3 stride-2卷积生成，P7在P6上采用ReLU后加3×3 stride-2 conv计算。所有特征金字塔的通道数为256。
1.5K30发布于 2020-09-29
来自专栏OpenMMLab
让 GLEAN 还原你女神的美妙容颜
然后，我们通过以下方法逐渐降低特征的分辨率：其中 Ei (i =1, 2, …, N)表示一个 stride-2 卷积和 stride-1 卷积的堆栈。
47410编辑于 2022-01-18
来自专栏人工智能前沿讲习
生成对抗网络在图像翻译上的应用【附PPT与视频资料】
在网络设计方面，生成器的结构采用当下比较流行的框架：包含2个stride-2 的卷积块, 几个residualblocks 和两个0.5-strided卷积完成上采样过程。
1.7K30发布于 2020-05-11
来自专栏机器之心
苹果、俄勒冈州立提出AutoFocusFormer: 摆脱传统栅格，采用自适应下采样的图像分割
传统的 stride-2 下采样会将数量减少至 1/4，而 AFF 更为灵活的点云结构则对 x% 的值没有限制。实验中，作者们展示了采取 1/4 和 1/5 下采样率的模型的训练结果。
68920编辑于 2023-08-07
来自专栏AI科技评论
8 篇论文深入学习深度估计：深度预测；自我运动学习；观看冰雪奇缘了解移动人物深度
该网络由7个stride-2卷积以及紧随其后的1 x 1卷积和 6 ∗（N -1）个输出通道组成，这些对应于每个源的3个欧拉角和3D平移。全局平均值应用于所有空间位置的合成预测。
2.6K20发布于 2019-10-31
来自专栏用户9703952的专栏
RetinaNet网络详解
feature_size, feature_size, kernel_size=3, stride=1, padding=1) # "P6 is obtained via a 3x3 stride , kernel_size=3, stride=2, padding=1) # "P7 is computed by applying ReLU followed by a 3x3 stride
65410编辑于 2025-02-04
来自专栏集智书童
迟到的 HRViT | Facebook提出多尺度高分辨率ViT，这才是原汁原味的HRNet思想
另一方面，并没有像之前的ViTs那样简单地使用stride-4卷积，而是遵循HRNet中的设计，使用2个stride-2 convn-bn-relu块作为一个更强的下采样来提取c通道特征，并保留更多的信息
2.2K20发布于 2021-11-17
来自专栏媒矿工厂
ViT-Adapter: 密集预测任务的ViT适配器
然后，使用一堆 stride-2 3×3 卷积将通道数量加倍并减小特征图的大小。最后，最后应用多个 1×1 卷积将特征图投影到 D 维度。
1.3K10编辑于 2024-03-26
来自专栏SnailTyan
Squeeze-and-Excitation Networks论文翻译——中文版
(c) The down-sampling projection 1×11\times 1 with stride-2 convolution was replaced with a 3×33\times 3 stride-2 convolution to preserve information.
1.7K100发布于 2017-12-29
来自专栏AIUAI
网络结构之 Inception V2
参考表格. [4] - 两个 Inception 模块间不再使用 pooling 层；而在模块 3c 和 4e 中的 concatenation 前采用了 stride-2 conv/pooling 层
2.4K20发布于 2019-02-18
来自专栏SnailTyan
Squeeze-and-Excitation Networks论文翻译——中英文对照
(c) The down-sampling projection 1×11\times 1 with stride-2 convolution was replaced with a 3×33\times 3 stride-2 convolution to preserve information.
1.6K00发布于 2017-12-28
来自专栏AIUAI
网络结构之 Inception V3
采用两个并行的步长 stride-2 操作. ? 4. Inception V3 网络结构. ? 采用 Figure 10 中的方法降低不同 Inception 模块间的网格尺寸.
4.3K30发布于 2019-02-18

RT-DETR优化改进：SPD-Conv，低分辨率图像和小物体涨点明显，涨点神器，无脑直接使用！！！

ResNet-RS：谷歌领衔调优ResNet，性能全面超越EfficientNet系列 | 2021 arxiv

论文推荐：TResNet改进ResNet 实现高性能 GPU 专用架构并且效果优于 EfficientNet

[CVPR 2019] Pose2Seg：检测免费的人体实例分割

46.1 mAP！MimicDet：缩小一阶段和两阶段目标检测之间的差距 | ECCV 2020

让 GLEAN 还原你女神的美妙容颜

生成对抗网络在图像翻译上的应用【附PPT与视频资料】

苹果、俄勒冈州立提出AutoFocusFormer: 摆脱传统栅格，采用自适应下采样的图像分割

8 篇论文深入学习深度估计：深度预测；自我运动学习；观看冰雪奇缘了解移动人物深度

RetinaNet网络详解

迟到的 HRViT | Facebook提出多尺度高分辨率ViT，这才是原汁原味的HRNet思想

ViT-Adapter: 密集预测任务的ViT适配器

Squeeze-and-Excitation Networks论文翻译——中文版

网络结构之 Inception V2

Squeeze-and-Excitation Networks论文翻译——中英文对照

网络结构之 Inception V3

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐