- 深度学习和计算机视觉方向除了算法训练/研究,还有两个重要的方向: 模型压缩(模型优化、量化)、模型部署(模型转换、后端功能SDK开发)。所谓模型部署,即将算法研究员训练出的模型部署到具体的端边云芯片平台上,并完成特定业务的视频结构化应用开发。 深度学习和计算机视觉方向除了算法训练/研究,还有两个重要的方向: 模型压缩(模型优化、量化)、模型部署(模型转换、后端功能SDK开发)。所谓模型部署,即将算法研究员训练出的模型部署到具体的端边云芯片平台上,并完成特定业务的视频结构化应用开发。
- 终端设备上运行深度学习算法需要考虑内存和算力的需求,因此需要进行模型复杂度分析,涉及到模型计算量(时间/计算复杂度)和模型参数量(空间复杂度)分析。 终端设备上运行深度学习算法需要考虑内存和算力的需求,因此需要进行模型复杂度分析,涉及到模型计算量(时间/计算复杂度)和模型参数量(空间复杂度)分析。
- 查准率和查全率是一对矛盾的的度量。一般来说,查全率高时,查准率往往偏低;而查全率高时,查准率往往偏低。通常只有在一些简单任务中,才可能使查全率和查准率都很好高。精准率和召回率的关系可以用一个 P-R 图来展示,以查准率 P 为纵轴、查全率 R 为横轴作图,就得到了查准率-查全率曲线,简称 P-R 曲线,PR 曲线下的面积定义为 AP。 查准率和查全率是一对矛盾的的度量。一般来说,查全率高时,查准率往往偏低;而查全率高时,查准率往往偏低。通常只有在一些简单任务中,才可能使查全率和查准率都很好高。精准率和召回率的关系可以用一个 P-R 图来展示,以查准率 P 为纵轴、查全率 R 为横轴作图,就得到了查准率-查全率曲线,简称 P-R 曲线,PR 曲线下的面积定义为 AP。
- 矩阵乘的算法优化可分为两类:基于算法分析的方法:根据矩阵乘计算特性,从数学角度优化,典型的算法包括 Strassen 算法和 Coppersmith–Winograd 算法。 矩阵乘的算法优化可分为两类:基于算法分析的方法:根据矩阵乘计算特性,从数学角度优化,典型的算法包括 Strassen 算法和 Coppersmith–Winograd 算法。
- 机器学习的本质属于应用统计学,其更多地关注如何用计算机统计地估计复杂函数,而不太关注为这些函数提供置信区间,大部分机器学习算法可以分成监督学习和无监督学习两类;通过组合不同的算法部分,例如优化算法、代价函数、模型和数据集可以建立一个完整的机器学习算法。 机器学习的本质属于应用统计学,其更多地关注如何用计算机统计地估计复杂函数,而不太关注为这些函数提供置信区间,大部分机器学习算法可以分成监督学习和无监督学习两类;通过组合不同的算法部分,例如优化算法、代价函数、模型和数据集可以建立一个完整的机器学习算法。
- K 近邻算法(KNN)是一种基本分类和回归方法。KNN 算法的核心思想是如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于一个类别,那该样本也属于这个类别,并具有这个类别上样本的特性。 K 近邻算法(KNN)是一种基本分类和回归方法。KNN 算法的核心思想是如果一个样本在特征空间中的 k 个最相邻的样本中的大多数属于一个类别,那该样本也属于这个类别,并具有这个类别上样本的特性。
- Low level 特征是较低级别的特征,主要是原始特征,不需要或者需要很少的人工处理和干预,例如文本中的词向量特征,图像特征中的像素点大小,用户 id,商品 id等。High level 特征是经过比较复杂的处理,结合部分业务逻辑或者规则、模型得到的特征,例如人工打分,模型打分等特征,可以用于较复杂的非线性模型。 Low level 特征是较低级别的特征,主要是原始特征,不需要或者需要很少的人工处理和干预,例如文本中的词向量特征,图像特征中的像素点大小,用户 id,商品 id等。High level 特征是经过比较复杂的处理,结合部分业务逻辑或者规则、模型得到的特征,例如人工打分,模型打分等特征,可以用于较复杂的非线性模型。
- 在 DenseNet 中,让网络中的每一层都直接与其前面层相连,实现特征的重复利用;同时把网络的每一层设计得特别“窄”(特征图/滤波器数量少),即只学习非常少的特征图(最极端情况就是每一层只学习一个特征图),达到降低冗余性的目的。 在 DenseNet 中,让网络中的每一层都直接与其前面层相连,实现特征的重复利用;同时把网络的每一层设计得特别“窄”(特征图/滤波器数量少),即只学习非常少的特征图(最极端情况就是每一层只学习一个特征图),达到降低冗余性的目的。
- ResNet 模型比 VGG 网络具有更少的滤波器数量和更低的复杂性。 比如 Resnet34 的 FLOPs 为 3.6G,仅为 VGG-19 19.6G 的 18%。 ResNet 模型比 VGG 网络具有更少的滤波器数量和更低的复杂性。 比如 Resnet34 的 FLOPs 为 3.6G,仅为 VGG-19 19.6G 的 18%。
- 11月15日,华为云与四维图新签署战略合作协议,双方将在云计算技术以及自动驾驶、物联网、智慧城市、智慧园区、智慧社区、智慧交通、智慧供应链等行业领域展开深入合作。 11月15日,华为云与四维图新签署战略合作协议,双方将在云计算技术以及自动驾驶、物联网、智慧城市、智慧园区、智慧社区、智慧交通、智慧供应链等行业领域展开深入合作。
- Mur-Artal R , Juan D. Tardós. ORB-SLAM: Tracking and Mapping Recognizable Features[C]// Workshop on Multi View Geometry in Robotics. 2014.带着问题:怎么利用ORB特征进行定位和建图?传感器、视觉里程计、后端优化、回环检测和建图这五大模块的组成。摘要当前的视... Mur-Artal R , Juan D. Tardós. ORB-SLAM: Tracking and Mapping Recognizable Features[C]// Workshop on Multi View Geometry in Robotics. 2014.带着问题:怎么利用ORB特征进行定位和建图?传感器、视觉里程计、后端优化、回环检测和建图这五大模块的组成。摘要当前的视...
- 🍉1、算法简介DeepSort是对Simple Online and Realtime Tracking(Sort)的扩展,它通过预先训练的深度关联度量来整合外观信息。使用视觉外观空间中的最近邻查询来建立测量到跟踪的关联,能够通过更长时间的遮挡来跟踪对象,有效减少身份切换的数量。使 Sort 成为当时最先进的在线跟踪算法,而且该算法易于实现并实时运行。🏅Wojke N , Bewle... 🍉1、算法简介DeepSort是对Simple Online and Realtime Tracking(Sort)的扩展,它通过预先训练的深度关联度量来整合外观信息。使用视觉外观空间中的最近邻查询来建立测量到跟踪的关联,能够通过更长时间的遮挡来跟踪对象,有效减少身份切换的数量。使 Sort 成为当时最先进的在线跟踪算法,而且该算法易于实现并实时运行。🏅Wojke N , Bewle...
- 0.时间同步技术介绍对于自动驾驶技术的实现,涉及到感知、规划、执行三个层面。由于车辆行驶在未知动态环境中,需要事先构建出环境地图并在地图中进行自我定位,这其中涉及到各传感器数据的精确时间同步。然后根据传感器捕获的原始数据和已有环境场景,规划车辆从一个位置到另一个位置的路径。最后控制系统发出信号控制车上的电机或者液压执行器执行相应的动作。试想在感知融合阶段,左侧车道有一辆时速80km/h的车... 0.时间同步技术介绍对于自动驾驶技术的实现,涉及到感知、规划、执行三个层面。由于车辆行驶在未知动态环境中,需要事先构建出环境地图并在地图中进行自我定位,这其中涉及到各传感器数据的精确时间同步。然后根据传感器捕获的原始数据和已有环境场景,规划车辆从一个位置到另一个位置的路径。最后控制系统发出信号控制车上的电机或者液压执行器执行相应的动作。试想在感知融合阶段,左侧车道有一辆时速80km/h的车...
- 时光荏苒,22年的夏天来了。夏季也意味着毕业季,在这鸟语花香的季节,每位毕业生都告别了同学和老师,回顾了校园景色,拍下一张张以后翻看都会嘴角一笑的合照,录下一段段稀奇搞怪的纪念VCR,最后提上行李箱,离开这个你生活四年的校园。我也经历过毕业,也经历过入学,关于毕业方向选择的内容我去年也写过很多,所以我这一期最想谈论的话题就是读研和读博,这也是现在毕业生的大趋势。🐋硕士研究生 1️⃣ 有考研... 时光荏苒,22年的夏天来了。夏季也意味着毕业季,在这鸟语花香的季节,每位毕业生都告别了同学和老师,回顾了校园景色,拍下一张张以后翻看都会嘴角一笑的合照,录下一段段稀奇搞怪的纪念VCR,最后提上行李箱,离开这个你生活四年的校园。我也经历过毕业,也经历过入学,关于毕业方向选择的内容我去年也写过很多,所以我这一期最想谈论的话题就是读研和读博,这也是现在毕业生的大趋势。🐋硕士研究生 1️⃣ 有考研...
- 霍夫直线检测代码实战 霍夫直线检测代码实战
上滑加载中
推荐直播
-
华为云IoT开源专家实践分享:开源让物联网平台更开放、易用
2024/05/22 周三 16:30-18:00
张俭 华为云IoT DTSE技术布道师
开源,意味着开放、共享、互助、共赢。作为万物上云及各行业数字化的物联网底座,华为云IoT积极拥抱开源,借助行业开源的最佳实践,构建可靠、易用的物联网平台,并通过开放南北向SDK,助力开发者快速构建物联网应用。本期直播,华为云IoT开源专家、物联网平台资深“程序猿”张俭,带你了解华为云IoT的开源生态,并手把手教你玩转开源社区!
去报名 -
数字技术创新与商业愿景--数字化转型战略解读
2024/05/22 周三 19:00-20:30
王纪奎老师 华为科学家咨询委员会CTO
数字化转型浪潮下,你是否缺乏对前沿科技的战略洞察、难以将企业转型与国家战略相融合、缺少系统性规划的数字化思维…… 我们特别邀请了华为科学家咨询委员会CTO、战略研究院数字经济与数字化转型首席专家、《数字化转型战略》一书的作者——王纪奎老师。 在5月22日(周三)19点,为我们带来一场主题为“数字技术创新与商业愿景--数字化转型战略解决”的精彩直播。
去报名 -
华为云开发者日·广州站
2024/05/23 周四 14:30-17:30
华为云专家团
华为云开发者日HDC.Cloud Day是面向全球开发者的旗舰活动,汇聚来自千行百业、高校及科研院所的开发人员。致力于打造开发者专属的技术盛宴,全方位服务与赋能开发者围绕华为云生态“知、学、用、创、商”的成长路径。通过前沿的技术分享、场景化的动手体验、优秀的应用创新推介,为开发者提供沉浸式学习与交流平台。开放创新,与开发者共创、共享、共赢未来。
去报名
热门标签