VALSE2019总结(2)-以人为中心的视觉理解
2. 以人为中心的视觉理解 (ceiwu lu, SJU) 2.1 基于视频的时序建模和动作识别方法 (liming wang, NJU) dataset 两张图： 注意一个区分：trimmed and untrimmed videos ...
原文：VALSE2019总结(3)-基于视觉和常识的深度推理
. 基于视觉和常识的深度推理 几乎没啥干货 . 视觉场景理解与描述与描述中的物体关系 shuqiang jiang, CAS VAD中也涉及到对于不同场景的理解，也许对我有用 不同距离下的图像表现 场景抽象性：场景是由不同物体及局部区域的组合，相比较物体图像，场景图像更加抽象，更难以识别和理解 比如： 常规：ImageNet 复杂：COCO, Visual Genome 有一张图 视觉场景中的多 ...
2019-05-18 11:20 0 453 推荐指数：
相关推荐
Valse2019笔记——弱监督视觉理解
程明明（南开大学）：面向开放环境的自适应视觉感知 （图片来自valse2019程明明老师ppt） 面向识别与理解的神经网络共性技术 深度神经网络通用架构 —— VggNet（ICLR’15）、ResNet（CVPR‘16）、DenseNet（CVPR’17 ...
VALSE2019总结(1)-弱监督学习
1. 弱监督视觉理解 1.1 弱监督学习简介 不完全监督：只有一部分训练数据具备标签； 不确切监督：训练数据只具备粗粒度标签； 不准确监督：给出的标签并不总是真值；（标签有噪声?） 弱监督的含义：弱监督给出的标签会在某种程度上弱于我们面临的任务所要求的输出。 研究背景 ...
移动端深度学习推理框架总结
移动端深度学习推理框架 框架 公司 支持硬件 特性 相关资源 TensorFlow Lite Google 2017 CPU GPU: android基于OpenGL, IOS ...
常识推理和组合泛化 (commonsense & compositionality)
常识推理和组合泛化 (commonsense & compositionality) (PS. 本文首发于知乎~ 地址在这） 在开始正文之前，我们先来想象一下这样的场景：有个人问你说，“你的办公室能不能养一只长颈鹿？”你会怎么回答？ 你可能会马上回答道，“当然不行”。 即使你很可能 ...
深度学习推理框架
深度学习框架直接得到的模型太重,在移动端及CPU上直接部署不合适,因此将训练出的模型通过推理框架部署. 推理框架包括:模型优化器和推理引擎两部分. 推理框架选择: 带GPU的桌面系统，用TensorRt. nvidia自家的，还有量化 手机上选择，Tvm ,ncnn等arm ...
深度学习推理加速TensorRT简介
一、概括 TensorRT作为英伟达深度学习系列SDK的一部分，是一个高性能(HP)的深度学习推理优化器，可以为深度学习应用提供一个低延迟、高吞吐量的推理部署。基于TensorRT的应用推理性能上是只用CPU时的40多倍（版本TensorRT 7.0）。使用TensorRT，你可以优化现在 ...
深度学习推理性能优化
深度学习推理性能优化 推理性能优化: 一个越来越重要的话题 一些初期的探索和经验 推理优化四部曲 算子优化 ...