首页 > TAG信息列表 > HRNet
Lite-HRNet学习记录（一）
文章目录 一、预备知识1.1 卷积深度可分离卷积（Depthwise separable Convolution）分组卷积（Group Convolution） 1.2 MobileNet一个问题 1.3 ShuffleNetchannel shufflepointwise group convolutionsShuffleNet unitShuffleNet 1.4 SE模块Squeeze操作Excitation操作SE模块的加载AMiner推荐论文：HRViT: Multi-Scale High-Resolution Vision Transformer
论文链接： https://www.aminer.cn/pub/6181fdcc5244ab9dcb7a6711?f=cs 密集预测视觉任务，如语义分割、目标检测，是现代智能计算平台(如AR/VR设备)的关键技术。卷积神经网络的发展非常迅速，在密集预测任务方面有了显著的改进。除了传统的CNN外，近期的ViTs也已经吸引了研究者广泛的2020MathorCup第一届大数据赛B题Paddle方案
2020MathorCup第一届大数据赛B题Paddle方案 比赛简介 网址：https://www.saikr.com/contest/dm_detail_subB/41530 简而言之就是利用八张图片的训练集完成遥感图像分割任务，测试集为两张图片。 三个问题为： 问题1：计算10幅图中耕地在各图像中所占比例 问题2：从给定的2幅测试图像(Temmpose PyTorch模型转TensorRT
文章目录 mmpose PyTorch模型转TensorRT1. github开源代码2. PyTorch模型转ONNX模型 3. ONNX模型转TensorRT模型3.1 概述3.2 编译3.3 运行 4. 推理结果 mmpose PyTorch模型转TensorRT 1. github开源代码 yolov5 TensorRT推理的开源代码位置在https://github.com/linghu88姿态估计论文笔记|结合检测和跟踪进行视频中的人体姿势估计|Combining detection and tracking for human pose estimation in videos
文章目录 摘要一、介绍 （1）本文方法（2）本文贡献 二、相关工作 （1）图片中的人类姿态估计（2）视频中的人类姿态估计和追踪 三、方法 （1）剪辑跟踪网络（2）视频跟踪网络（3）姿态假设的时空融合 四、实验 （1）数据集和评估（2）实施细节（3）与最新技术的比较（4）方法分析 五、结论六、个人思考参考 论文原文地(HRNet)：Deep High-Resolution Representation Learning for Visual Recognition相关论文
github：https://github.com/HRNet 论文地址：https://arxiv.org/pdf/1908.07919 相关论文： 1.Deep High-Resolution Representation Learning for Human Pose Estimation(HRNetV1) 2.High-Resolution Representations for Labeling Pixels and Regions(HRNetV2,HRNetV2p) 3.HigherHRNe【python练习】在kaggle上的首个公开notebook(由mask生成bbox)
前言： { 知道要更新但没想好写什么，我就干脆在kaggle上写了一篇公开的notebook[1]（我记得原来好像叫kernel），内容很简单，就是根据segmentation标签生成bbox。 } 正文： { 主要内容在[1]。我做这个是因为我搞错了。我本想试试之前我博客[2]提到的HRNet，而恰好mmdetection