卷积神经网络的一些经典网络（Lenet，AlexNet，VGG16，ResNet）
LeNet – 5网络 网络结构为： 输入图像是：32x32x1的灰度图像 卷积核：5x5，stride=1 得到Conv1：28x28x6 池化层：2x2，stride=2 （池化之后再经过激活函数sigmoid） 得到Pool1：14x14x6 卷积核：5x5，stride ...
原文：FPGA神经网络部署 Zynq Ultrascale Yolov3-tiny VGG16
工程描述：该工程实现了一个通用的卷积神经网络加速器，成功搭载Yolov tiny。配合摄像头采集 显示器回显环路，构建了一个高性能实时目标识别与检测系统。验证平台：Xilinx Zynq Ultrascale系列xzcu eg芯片，Digilent官方Genesys ZU EG板卡基本外设：Digilent PCAM C MIPI摄像头，Ultrascale标配的mini DisplayPort显 ...
2021-10-06 10:58 0 257 推荐指数：
相关推荐
神经网络学习--PyTorch学习06 迁移VGG16
因为我们从头训练一个网络模型花费的时间太长，所以使用迁移学习，也就是将已经训练好的模型进行微调和二次训练，来更快的得到更好的结果。 ...
第五讲 卷积神经网络 VGG16 cifar10
以下代码源自dive into DL T2.0, 运行时间较长，建议在colab上运行。 ...
1.keras实现-->使用预训练的卷积神经网络(VGG16)
VGG16内置于Keras，可以通过keras.applications模块中导入。 --------------------------------------------------------将VGG16 卷积实例化：--------------------------------------------------------------------------------------- ...
如何使用 libtorch 实现 VGG16 网络？
参考地址：https://ethereon.github.io/netscope/#/preset/vgg-16 按照上面的图来写即可。 论文地址：https://arxiv.org/pdf/1409.1556.pdf ...
yolov3-tiny模型分析（含自己绘制的网络模型图）
最近在实验室做行人检测的项目，希望最后可以做到硬件上面去，所以挑选了yolov3的tiny版本。在实验室专有行人数据集下训练，检测效果还不错，在1080ti上推断速度达到了30fps, 这里和大家一起撸一下yolov3-tiny的网络结构： 相比于yolov3, tiny版本将网络压缩了许多 ...
Yolov3-tiny车辆检测
目前，在自动驾驶的视觉感知上，对路面的动态多目标检测，为了达到速度要求，可使用Ｙｏｌｏｖ３－ｔｉｎｙ． 基本网络结构如下： 在ｙｏｌｏｖ３的基础上去掉了一些特征层，并只保留了两个预测分支． ｔｅｎｓｏｒｆｌｏｗ版本代码稍后附上．．． ...
卷积神经网络之VGG
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet，也是同年提出的).论文下载 Very Deep ...