DRNet:Learning Dynamic Routing for Semantic Segmentation
DRNet不同以往的静态网络结构,而是使用了一种Gate函数控制在路由空间动态选择路径,以便能寻找出最适合尺度的网络结构,总的来说,该结构网络固定,但是使用的路径是根据输入来定
DRNet不同以往的静态网络结构,而是使用了一种Gate函数控制在路由空间动态选择路径,以便能寻找出最适合尺度的网络结构,总的来说,该结构网络固定,但是使用的路径是根据输入来定
在ResNext的基础上,结合SK-Net分组进行通道注意力加权的思想设计
在 SENet 的基础上,基于分组卷积改进其对通道加权的过程,可以实现对不同分辨率的特征的通道加权,相比较 SENet,效果更好
通过在ResNet中引入通道注意力机制,实现对通道的动态学习加权
将目标检测当成一个点来检测,即用目标 box 的中心点来表示这个目标,预测目标的中心点偏移量 (offset),宽高 (size) 来得到物体实际 box
结合了 MobileNetv1的深度可分离卷积、MobileNetv2的 Inverted Residuals 和 Linear Bottleneck 以及 SE 模块,利用 NAS(神经结构搜索)来搜索网络的配置和参数
一本介绍如何经营自己知识的书籍,从学习知识、保存知识、知识共享、知识使用和知识创新五个方面进行讲述,有一定的借鉴意义。说实话这本书偏工具类,以前拿小屏看没感觉,限制在大屏看,感觉很多内容都是纯粹列举要点
,能读进去的很少(也可能我手机看过了)看到作者举例直接跳过了,所以我大概不到一天就翻完这本书了。我认为好的书它是用严密的逻辑链条去慢慢跟你讲道理的,不是突然一个例子,突然一个要点,这本书就会卡住我,阅读情绪经常是这样的:读这一部分是“有点道理”,读下一部分是“好像是这样的”,往后是“不是吧”,所以说这本书并没有打动我。之所以说这本书偏工具,是因为书中有部分内容直接教如何使用工具去实践的。
当然,对于作者管理知识的五个要点我是同意的,这五个要点是循序渐进的,是闭环流动的,作者倡导以下观点我是赞同的,也是我第一次从这本书获得的知识
:
这是一本思考人与机器,人与网络关系的书籍,主要认识有:
热闹
,而是更加孤独,这就是所谓的群体性孤独!!!虚拟世界
和弱联系
,对面对面的交流越来越抵触,比如如今网上廉价的道歉
;时刻在线
;一个搞IT,搞AI的人,居然去看这类书,我都无法找到当初的原因,或许是前方路太黑,需要灯光,或许是当下被互联网所累,学习如何更加有效利用它!
不像传统的上下文感知模型一样,CPNet对类内上下文、类间上下文加以区分,学习到更加鲁棒的特征
基于自监督的理念,通过观察发现同一图像经过不同的仿射变换所产生的 CAM 不一致这一特点,利用隐式的等变换约束的方式建立类似自监督对比学习的一致性正则化学习机制,减少这种不一致程度来优化 CAM,从而得到高精度的种子区域