年轻人起来冲

BiSeNet：Bilateral Segmentation Network for Real-time Semantic Segmentation

发表于 2019-03-20 更新于 2023-10-24 分类于 2-深度学习， C-语义分割本文字数： 676 阅读时长 ≈ 1 分钟

为了兼顾推理速度的同时保留大的特征图分辨率，BiSeNet引入Spatial Path和Context Path，Spatial Path中步长较小来得到高分辨率的特征图，Context Path引入快速的下采样机制来增加感受野，最后使用特征融合模块融合两个分支的特征

发表于 2019-03-13 更新于 2023-10-24 分类于 2-深度学习， C-语义分割本文字数： 541 阅读时长 ≈ 1 分钟

ICNet通过设计3个输入尺度的网络，学习不同尺度的特征，然后通过特征融合模块，输出图片的分割结果

发表于 2019-02-21 更新于 2023-10-24 分类于 2-深度学习， B-图像分类本文字数： 631 阅读时长 ≈ 1 分钟

DPN融合了RestNeXt和DenseNet的优点，提出双路的特征提取架构

发表于 2019-02-19 更新于 2023-10-24 分类于 2-深度学习， C-语义分割本文字数： 681 阅读时长 ≈ 1 分钟

优化DeepLabv2的ASPP模块，并且抛弃CRF，实现端到端的语义分割

发表于 2019-02-12 更新于 2023-10-24 分类于 2-深度学习， B-图像分类本文字数： 498 阅读时长 ≈ 1 分钟

在GoogleNetv3的基础，加入深度可分离卷积，并且实际使用时，调换通道卷积和1x1卷积的顺序

发表于 2019-02-06 更新于 2023-10-24 分类于 5-系统与软件本文字数： 1.3k 阅读时长 ≈ 1 分钟

发表于 2018-09-24 更新于 2023-10-24 分类于 0-数据基础， F-图论本文字数： 3.9k 阅读时长 ≈ 4 分钟

学过线性代数的都了解矩阵,在矩阵上的文章可做的很多,什么特征矩阵,单位矩阵等.grpah存储可以使用矩阵,比如graph的邻接矩阵,权重矩阵等,这节主要是在等到graph后,如何快速得到这些信息.详细官方文档在这里

发表于 2018-09-23 更新于 2023-10-24 分类于 0-数据基础， F-图论本文字数： 5.8k 阅读时长 ≈ 5 分钟

如果只是简单使用nx.draw,是无法定制出自己需要的graph,并且这样的graph内的点坐标的不定的,运行一次变一次,实际中一般是要求固定的位置,这就需要到布局的概念了.详细的画图信息可以看这里,代码中的关键部分使用了英文进行注释,不在另外注释.

发表于 2018-09-21 更新于 2023-10-24 分类于 0-数据基础， F-图论本文字数： 3.6k 阅读时长 ≈ 3 分钟

graph构建完成后,对graph的连通等属性进行分析.

发表于 2018-09-19 更新于 2023-10-24 分类于 0-数据基础， F-图论本文字数： 2.8k 阅读时长 ≈ 3 分钟

graph生成后,除了有查看操作,还有移除等操作,还有其他更多操作,具体可以看这里.下面将比较graph操作前后的不同.