VALSE2019總結(2)-以人為中心的視覺理解
2. 以人為中心的視覺理解 (ceiwu lu, SJU) 2.1 基於視頻的時序建模和動作識別方法 (liming wang, NJU) dataset 兩張圖： 注意一個區分：trimmed and untrimmed videos ...
原文：VALSE2019總結(3)-基於視覺和常識的深度推理
. 基於視覺和常識的深度推理 幾乎沒啥干貨 . 視覺場景理解與描述與描述中的物體關系 shuqiang jiang, CAS VAD中也涉及到對於不同場景的理解，也許對我有用 不同距離下的圖像表現 場景抽象性：場景是由不同物體及局部區域的組合，相比較物體圖像，場景圖像更加抽象，更難以識別和理解 比如： 常規：ImageNet 復雜：COCO, Visual Genome 有一張圖 視覺場景中的多 ...
2019-05-18 11:20 0 453 推薦指數：
相關推薦
Valse2019筆記——弱監督視覺理解
程明明（南開大學）：面向開放環境的自適應視覺感知 （圖片來自valse2019程明明老師ppt） 面向識別與理解的神經網絡共性技術 深度神經網絡通用架構 —— VggNet（ICLR’15）、ResNet（CVPR‘16）、DenseNet（CVPR’17 ...
VALSE2019總結(1)-弱監督學習
1. 弱監督視覺理解 1.1 弱監督學習簡介 不完全監督：只有一部分訓練數據具備標簽； 不確切監督：訓練數據只具備粗粒度標簽； 不准確監督：給出的標簽並不總是真值；（標簽有噪聲?） 弱監督的含義：弱監督給出的標簽會在某種程度上弱於我們面臨的任務所要求的輸出。 研究背景 ...
移動端深度學習推理框架總結
移動端深度學習推理框架 框架 公司 支持硬件 特性 相關資源 TensorFlow Lite Google 2017 CPU GPU: android基於OpenGL, IOS ...
常識推理和組合泛化 (commonsense & compositionality)
常識推理和組合泛化 (commonsense & compositionality) (PS. 本文首發於知乎~ 地址在這） 在開始正文之前，我們先來想象一下這樣的場景：有個人問你說，“你的辦公室能不能養一只長頸鹿？”你會怎么回答？ 你可能會馬上回答道，“當然不行”。 即使你很可能 ...
深度學習推理框架
深度學習框架直接得到的模型太重,在移動端及CPU上直接部署不合適,因此將訓練出的模型通過推理框架部署. 推理框架包括:模型優化器和推理引擎兩部分. 推理框架選擇: 帶GPU的桌面系統，用TensorRt. nvidia自家的，還有量化 手機上選擇，Tvm ,ncnn等arm ...
深度學習推理加速TensorRT簡介
一、概括 TensorRT作為英偉達深度學習系列SDK的一部分，是一個高性能(HP)的深度學習推理優化器，可以為深度學習應用提供一個低延遲、高吞吐量的推理部署。基於TensorRT的應用推理性能上是只用CPU時的40多倍（版本TensorRT 7.0）。使用TensorRT，你可以優化現在 ...
深度學習推理性能優化
深度學習推理性能優化 推理性能優化: 一個越來越重要的話題 一些初期的探索和經驗 推理優化四部曲 算子優化 ...