发布了 14 篇内容
共 11.0字, 被阅读 721次
获得了 3 次赞同
获得了 0次喜欢, 获得了 3 次收藏
参与了 0 次互动
互动包含发布评论、点赞评论、参与投票等
EfficientNet 实战:tensorflow2.X 版本,EfficientNetB0 图像分类任务(小数据集)
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有 12 种类别,今天我和大家一起实现 tensorflow2.X 版本图像分类任务,分类的模型使用 EfficientNetB0。
图像分类实战:mobilenetv2 从训练到 TensorRT 部署(pytorch)
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有 12 种类别,演示如何使用 pytorch 版本的 mobilenetv2 图像分类模型实现分类任务。将训练的模型转为 onnx,实现 onnx 的推理,然后再将 onnx 转为 TensorRT,并实现推理。
还在为模型加速推理发愁吗?不如看看这篇吧。手把手教你把 pytorch 模型转化为 TensorRT,加速推理
最近,学习了一些模型转化和加速推理的知识,本文是对学习成果的总结。
VIT 实战总结:非常简单的 VIT 入门教程,一定不要错过
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有 12 种类别,演示如何使用 pytorch 版本的 VIT 图像分类模型实现分类任务。
Swin Transformer 实战: timm 使用、Mixup、Cutout 和评分一网打尽,图像分类任务
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有 12 种类别,演示如何使用 timm 版本的 Swin Transformer 图像分类模型实现分类任务已经对验证集得分的统计,本文实现了多个 GPU 并行训练。
ResNet 实战:单机多卡 DDP 方式、混合精度训练
本例提取了植物幼苗数据集中的部分数据做数据集,数据集共有 12 种类别,模型使用最经典的 resnet50,演示如何实现混合精度训练以及如何使用 DDP 的方式实现多卡并行训练。
SWA 实战:使用 SWA 进行微调,提高模型的泛化
论文链接:https://arxiv.org/abs/1803.05407.pdf
MobileVIT 实战:使用 MobileVIT 实现图像分类
论文地址:https://arxiv.org/abs/2110.02178
人脸检测实战进阶:使用 OpenCV 进行活体检测
在本篇博文中,您将学习如何使用 OpenCV 执行活体检测。您将创建一个活体检测器,该检测器能够在人脸识别系统中发现假人脸并执行反人脸欺骗。
人脸检测实战:使用 opencv 加载深度学习模型实现人脸检测
今天的博文分为三个部分。
人脸识别实战:使用 Python OpenCV 和深度学习进行人脸识别
在本教程中,您将学习如何使用 OpenCV、Python 和深度学习执行面部识别。
文本检测实战:使用 OpenCV 实现文本检测(EAST 文本检测器)
在本教程中,您将学习如何使用 OpenCV 使用 EAST 文本检测器检测图像中的文本。