本系列为 斯坦福CS231n《深度学习与计算机视觉(Deep Learning for Computer Vision)》的全套学习笔记，对应的课程视频可以在 这里 查看。更多资料获取方式见文末。...
教程来自：https://github.com/PeterH0323/Smart_Construction
最近，Vision Transformer在图像分类、语义分割和目标检测等各种计算机视觉任务中取得了显著的成功，并取得了明显优于CNN的性能提升。然而，从真实场景的角度来看，CNN仍然主导着视觉架构 部署。...
原则上，损失函数可以是将预测和标签映射到任何(可微)函数。但是，由于损失函数具有庞大的设计空间，导致设计一个良好的损失函数通常是具有挑战性的，而在不同的工作任务和数据集上设计一个通用的损失函数更是具挑战性。...
ViDT首先重新配置Swin Transformer的注意力模型，以支持独立的目标检测，同时完全重用Swin Transformer的参数。接下来，它结合了一个Encoder-free neck layer来利用多尺度特征和两种基本技术：Auxiliary decoding loss和Iter...
在当前时代，目标检测主要有两类:top-down的检测方法和bottom-up的检测方法。人们认为bottom-up的方法可能耗时较长，并且会引入更多的误检现象，而top-down的方法由于其在实践中的有效性逐渐演变为主流方法。...
YOLO-Pose与其他Bottom-up的方法一样，也是一种Single Shot的方法。然而，它并不使用 Heatmaps。相反，YOLO-Pose将一个人的所有关键点与Anchor联系起来。
Transformer 作为一种基于注意力的编码器 - 解码器架构，不仅彻底改变了自然语言处理（NLP）领域，还在计算机视觉（CV）领域做出了一些开创性的工作。与卷积神经网络（CNN）相比，视觉 Transformer（ViT）依靠出色的建模能力，在 ImageNet、C...
---- 新智元报道 作者：咩咩2013编辑：LRS【新智元导读】还在愁没法入门目标检测？这个仓库一定得看看！作者复现了多个知名算法，训练记录都能查看。而且性能和原版持平，多机八卡也能跑！预告：居家办公让虚拟人来作伴？欢迎预约直...
