ShuffleNet是Face++在2017年发布的一个极有效率且可以运行在手机等移动设备上的网络结构，文章也发表在了CVPR2018上，原文可见ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices。...

三维重建算法广泛应用于手机等移动设备中，常见的算法有SfM，REMODE和SVO等。

深度卷积神经网络（CNN）是一种特殊类型的神经网络，在各种竞赛基准上表现出了当前最优结果。深度 CNN 架构在挑战性基准任务比赛中实现的高性能表明，创新的架构理念以及参数优化可以提高 CNN 在各种视觉相关任务上的性能。...

在当今时代，机器在理解和识别图像中的特征和目标方面已经成功实现了99％的精度。我们每天都会看到这种情况-智能手机可以识别相机中的面部；使用Google图片搜索特定照片的能力；从条形码或书籍中扫描文本。借助卷积神经网络（C...

自 AlexNet 赢得 2012 年 ImageNet 的竞赛以来，CNN（卷积神经网络的缩写）已成为深度学习中各种任务（尤其是计算机视觉）的实用算法。从2012年至今，研究人员一直在试验并试图提出更好的架构，以提高模型对不同任务的准确性。今天...

“卷积”一词这个词一听，就把人吓跑了，好像数学中的复杂术语，但实际上并非如此。实际上，如果您以前曾经使用过计算机视觉，图像处理或OpenCV，都用到了卷积，只是你不知道。例如PS 中图像模糊 或 图像平滑；或者用过美图软件的；或...

前段时间 Transformer已席卷计算机视觉领域，并获得大量好评，如『基于Swin-Transformer』、『美团提出具有「位置编码」的Transformer，性能优于ViT和DeiT』、『Lifting Transformer』、『TimeSformer』等等。Transformer...

文：Sabrina Göllner翻译：陈之炎校对：zrx本文约4800字，建议阅读10分钟本文来自 Niantic 和 UCL 等机构的研究者使用精心设计和训练的 2D 网络，实现了高质量的深度估计和 3D 重建。标签：CNN训练性能优良的神经网络不一定要很...

先放些链接，cifar10的数据集的下载地址：http://www.cs.toronto.edu/~kriz/cifar.html