博客列表-白红宇的个人博客

发布日期：2025-06-08 06:04:23 浏览次数：3 分类：精选文章

我们对Gemini的多模态能力已经有了深刻的认识，尤其是在处理图像数据推理时，无论是图像描述、OCR、分类还是特定内容识别。与其开放模型对应的PaliGemma不同，Gemini并未明确针对目标检测任务进行训练。这一特点促使我进行了一系列实验，并撰写了本博客。PaliGemma链接https://ai.google.dev/gemma/docs/paligemma先决条件仅需Gemini的API密......

阅读正文

FastestDet：比yolov5更快！更强！全新设计的超实时Anchor-free目标检测算法（附源代码下载）...

发布日期：2025-06-08 06:00:21 浏览次数：3 分类：精选文章

FastestDet:一个高效的ARM平台目标检测算法框架FastestDet是一个专为计算资源紧张的ARM平台设计的轻量级目标检测算法框架。它在速度和参数量上均优于现有的轻量级目标检测算法，如yolov5n、yolox-nano和nanoDet等。FastestDet的核心目标是为树莓派、RK3399和RK3568等设备提供高效的实时目标检测解决方案，同时在低功耗条件下保持良好的推理性能。算法特......

阅读正文

EMF-former：一种用于医学图像分割的高效且内存友好的Transformer

发布日期：2025-06-08 05:56:17 浏览次数：3 分类：精选文章

标题：EMF-former：一种用于医学图像分割的高效且内存友好的Transformer摘要：医学图像分割是计算机辅助诊断的重要任务，而基于卷积神经网络的方法在局部特征提取方面表现优异，但其在捕捉全局依赖性方面存在不足。相比之下，基于Transformer的方法通过自注意力机制能够建构全局依赖关系，为局部卷积提供重要补充。然而，传统Transformer中的自注意力计算复杂度较高，且内存占用较大，......

阅读正文

ECCV 2024 | Dolfin: 无自编码器的扩散布局Transformer

发布日期：2025-06-08 05:52:15 浏览次数：3 分类：精选文章

Dolfin:无自编码器的扩散布局Transformer作者YilinWang,ZeyuanChen,LiangjunZhong,ZhengDing,ZhuowenTu论文创新点Dolfin模型通过创新性的设计，在无需自编码器的情况下直接在原始空间进行操作，有效保留了几何特征如边界框对齐，同时显著提升了模型的透明性和可访问性。此外，Dolfin提出了一种双向扩散模型和自回归扩散模型（Dolfin-......

阅读正文

ECCV 2022 | CMU提出首个快速知识蒸馏的视觉框架：ResNet50 80.1%精度，训练加速30%...

发布日期：2025-06-08 05:48:11 浏览次数：4 分类：精选文章

知识蒸馏，开源策略，ResNet-50性能突破：一文概述FKD算法近日，一项名为FKD（FastKnowledgeDistillation,快速知识蒸馏）的开源研究在视觉领域引发广泛关注。这项工作由卡耐基梅隆大学等单位提出的算法，在ImageNet-1K数据集上实现了ResNet-50模型的突破性性能，达到80.1%的精度，且训练速度相比传统框架节省了16%，比现有最优方法快30%。FKD算法框架......

阅读正文

CVPR2023｜清华大学提出GAM：神经网络“一阶平滑优化器”，显著提升模型“泛化能力”...

发布日期：2025-06-08 05:44:09 浏览次数：4 分类：精选文章

神经网络收敛位置平滑性与模型泛化能力研究近年来，神经网络的收敛位置平滑性被证明与其泛化能力密切相关。清华大学崔鹏教授在CVPR2023Highlight论文中提出了一阶平滑性概念，并提出了GradientnormAwareMinimization(GAM)优化器，显著提升了模型的泛化能力。收敛位置平滑性与模型泛化大型神经网络在训练过程中对训练数据的拟合能力显著增强，但这并不意味着其在测试数据上的表......

阅读正文

CVPR2023 Highlight | Side Adapter Network – 极致轻薄却性能强劲的开放词汇语义分割器...

发布日期：2025-06-08 05:40:06 浏览次数：6 分类：精选文章

识别并分割出任意类别的视觉元素是计算机视觉领域最具挑战性的问题之一。近期，来自华中科技大学和微软亚洲研究院的研究人员在CVPR2023Highlight中提出了一个全新的开放语义词汇语义分割架构—SideAdapterNetwork（SAN）。该架构能够赋予现有的VL预训练模型（如CLIP）进行开放词汇语义分割的能力，仅需8M额外的训练参数即可在多种数据集上大幅提升性能，同时实现15帧每秒的处理速......

阅读正文

CVPR'24 超强轻量级Backbone：StarNet，替换其他骨干网络直接涨点！

发布日期：2025-06-08 05:36:03 浏览次数：6 分类：精选文章

星操作的重写与StarNet网络的设计与实现——一篇关于高效网络设计的深度探讨【引言】星操作（element-wisemultiplication）作为神经网络中的基本元素级操作，长期以来备受关注。然而，其在网络设计中的应用潜力仍未被充分挖掘。星操作不仅能够将输入映射到高维非线性特征空间，还展现出与传统核技巧相似的特性，但其背后的理论基础和实际应用仍存在诸多未解之谜。本文将围绕星操作的高效特性，提......

阅读正文

网络通信(18)-C#TcpClient 和 TcpListener的使用实例

发布日期：2025-06-08 05:32:00 浏览次数：8 分类：精选文章

TcpListener服务器与TcpClient客户端在C#中的应用实例TcpListener和TcpClient是C#中用于网络通信的重要组成部分，广泛应用于需要实时数据传输或远程控制的场景。本文将详细介绍如何使用这些组件，以及它们的实际应用场景。###TcpListener服务器配置与使用TcpListener是用于监听TCP协议的服务器端组件，可以接收客户端的连接请求并处理数据传输。以下是创......

阅读正文

CVPR 2025 | 计算机视觉基础模型学习到人类视觉系统的低级特征了吗？

发布日期：2025-06-08 05:27:57 浏览次数：6 分类：精选文章

论文信息题目：Docomputervisionfoundationmodelslearnthelow-levelcharacteristicsofthehumanvisualsystem?计算机视觉基础模型学习到人类视觉系统的低级特征了吗？作者：YanchengCai,FeiYin,DouniaHammou,RafalMantiuk论文创新点本研究通过设计全面的测试方案，对多种基础模型和生成模型的......

阅读正文

共 1002747 条，总 100275 页，当前第 81 页

首页

尾页

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！

关于作者

推荐文章