Feb, 2017

用于实时物体检测的 Wide-Residual-Inception 网络

PDF
TL;DR本文介绍了一种名为 “宽残差 Inception”（WR-Inception）的神经网络模型，它采用深层和宽层，结构基于残差 Inception 单元，捕获同一要素图上各种大小的对象。为验证该模型的有效性，本文进行了两项实验：在 CIFAR-10 / 100 上的分类任务和在 KITTI 数据集上使用单发多框检测器（SSD）进行路面物体检测任务。
convolutional neural networkfeature extractionwide-residual-inceptionobject detectionssd
发现论文，激发创造
  • 宽残差网络

    通过对 ResNet 模块架构的详细实验研究，本文提出了一种新的网络架构 —— 宽残差网络 (WRNs)，通过降低深度、增加宽度优化 ResNet 网络，证明其在准确度和效率上优于传统的浅而深层的残差网络模型，实现了在 CIFAR, SVHN, COCO 以及 ImageNet 等数据集上的准确度和效率的新突破。

    May, 2016

  • PVANET: 实时目标检测的深度轻量级神经网络

    本文介绍了如何在最小化计算成本的同时，通过采用和组合最新技术创新来实现多类别物体检测任务的最先进准确度。设计原则是 “少通道多层”，采用了一些基本块，包括拼接 ReLU、Inception 和 HyperNet， 在 VOC2007 上达到 83.8％的 mAP，VOC2012 为 82.5％mAP（第 2 名），仅使用 Intel i7-6700K CPU 单核时，每张图像仅需 750ms，在 NVIDIA Titan X GPU 上为 46ms / 图像，其网络与 ResNet-101 相比，计算成本只需 12.3％。

    Aug, 2016

  • PVANet：用于实时目标检测的轻量化深度神经网络

    该论文提出了一种全新的、比其他最先进的网络轻一个数量级的网络结构，基于更少通道的深度学习原理，通过采用 C.ReLU 和 Inception 结构等技术创新，使这个深度神经网络最小化其冗余，同时在计算成本小于最近的 ResNet-101 的情况下能够高效地训练，从而在知名的目标检测基准测试上实现了 84.9% 和 84.2% 的 mAP。

    Nov, 2016

  • DWRSeg：一种用于实时语义分割的扩张 - 残差网络

    提出了一个名为 Dilation-wise Residual segmentation (DWRSeg) 的有效且高效的结构，含有不同的感受野尺寸，可用于实时语义分割任务，城市景观和 CamVid 数据集上实验证明了该方法的有效性和轻便性能。

    Dec, 2022

  • 卷积残差记忆网络

    通过在卷积残差网络中引入长短时记忆机制，增强了记忆机制加强卷积神经网络的性能，使得该方法在 CIFAR-100 基准测试上优于其他最先进的技术，并且在 CIFAR-10 和 SVHN 基准测试上与之相当，而且相比于深度相当的深度残差神经网络，网络宽度更大，深度更小，总体计算量更少。

    Jun, 2016

  • 深度和广度更大的连体网络，用于实时视觉跟踪

    本文提出了使用新型残差模块和控制尺寸和步幅的新型架构的方法来增强追踪鲁棒性和准确性，并在 SiamFC 和 SiamRPN 中应用这些架构，从而获得了统计显著的相对改进。

    Jan, 2019

  • Wider or Deeper: 重新审视 ResNet 模型在视觉识别中的应用

    本文探讨增加深度对神经网络性能提升的边际效益递减问题，提出一种更高效的残差网络结构并在图像分类和语义分割等领域实现了显著优越性能。

    Nov, 2016

  • Resnet in Resnet：广义残差连接结构

    介绍了一个深度双流架构 Resnet in Resnet（RiR），该架构推广了 Residual networks（ResNets）和标准 CNNs，且无计算开销，通过在 CIFAR-10 上实现，RiR 不断提高性能、在 CIFAR-100 上创新了新的最优结果

    Mar, 2016

  • 一种新的卷积网络结构及其在皮肤检测、语义分割和伪影减少中的应用

    本文提出了一种修改的卷积网络 Inception Network，在去除 dense prediction 和 pooling 的缺点基础上，将大型卷积核添加在每一层中，应用于典型的图像到图像学习问题中，表现出了比同类问题还要好的效果，如：皮肤检测，语义分割和压缩伪像去除等。

    Jan, 2017

  • GoogLe2Net：使用卷积横跨网络

    本文提出了一种新的卷积神经网络架构 GoogLe2Net，其中 ResFRI 或 Split-ResFRI 创造横向通道和残差连接，使得信息可以在卷积层之间流动，并在细粒度上表达多尺度特征，从而在图像分类等任务中取得更好的结果。

    Jan, 2023