深度快速视觉：一种用于加速深度迁移学习视觉原型设计的 Python 库

Nov, 2023

深度快速视觉：一种用于加速深度迁移学习视觉原型设计的 Python 库

Deep Fast Vision: A Python Library for Accelerated Deep Transfer Learning Vision Prototyping

Fabi Prezja

TL;DR利用 Python 库 Deep Fast Vision 简化深度学习过程，连接现有深度学习框架与广大用户需求，通过简单的嵌套字典定义为非专家提供了易于使用且可量化的体验，解决了小数据集困境和缺乏定制化自动机器学习解决方案的问题。

Abstract

deep learning-based vision is characterized by intricate frameworks that often necessitate a profound understanding, presenting a barrier to newcomers and limiting broad adoption. With many researchers grappling with the constraints of smaller datasets, there's a pronounced reliance on

deep fast vision deep learning small dataset transfer learning auto-ml solutions

发现论文，激发创造

fastai: 深度学习分层 API

fastai 是一种深度学习库，提供了高级组件和低级组件，以构建新的方法，它利用 Python 语言的动态性和 PyTorch 库的灵活性，包括一种新的类型分派系统，可扩展的计算机视觉库，优化器，2 路回调系统，新的数据块 API 等。

Feb, 2020

PyTorchVideo: 视频理解的深度学习库

介绍了 PyTorchVideo 开源深度学习库，提供丰富的模块化、高效和可重现的组件，用于各种视频理解任务，并支持硬件加速，可在移动设备上进行实时推理。

Nov, 2021

计算机视觉深度卷积神经网络分类

该研究论文探讨了计算机视觉问题中使用深度学习技术的发展趋势，着重介绍了卷积神经网络（CNNs）及其应用，帮助初学者了解何种深度网络适用于计算机视觉问题。

Jan, 2016

图像在第二层之后价值为 1/2 令牌：大型视觉语言模型的即插即用推理加速

通过学习自适应注意力模式和精简视觉标记，FastV 可显著降低计算成本并在各种图像和视频理解任务中保持优秀性能，有助于在边缘设备和商业模型中部署大规模视觉 - 语言模型。

Mar, 2024

ChainerCV: 计算机视觉深度学习库

ChainerCV 是一个旨在统一深度学习方法在计算机视觉中应用的软件库，支持多种神经网络模型和软件组件，可以用作计算机视觉研究的基线，包括目标检测和语义分割等任务。

Aug, 2017

用于创建深度学习模型的可视化编程工具

本文介绍了 DeepBlocks 可视化编程工具，它可以帮助深度学习开发者在不需要使用特定编程语言的情况下设计、训练和评估模型，结果表明该工具可以帮助开发者可视化设计复杂的深度学习架构。

Mar, 2023

TensorLayer：高效深度学习开发的通用库

TensorLayer 是一种通用 Python 库，它提供了丰富的抽象来帮助研究人员和工程师有效地开发深度学习系统，在同时提高效率的同时维护性能和可扩展性。

Jul, 2017

黑暗中的一束光：工业计算机视觉中的深度学习实践

许多设备无法部署，普通对象的预训练数据集，以及潜在的偏见问题限制了大型预训练深度神经网络用于工业应用。本研究从太阳能电池片制造商的真实案例出发，构建了一个从零开始训练的神经网络，其参数更少、不依赖于第三方数据集，但性能与预训练深度神经网络相似。

Jan, 2022

计算效率高的计算机视觉深度学习：综述

过去十年来，深度学习模型在各种视觉感知任务中取得了显著进展，但其高计算资源需求限制了其在实际应用中的可行性。本综述通过四个关键领域的研究，即轻量级骨干模型的发展、面向特定计算机视觉任务的专用网络架构或算法、深度学习模型压缩技术以及在硬件平台上部署高效深度网络的策略，对计算效率高的深度学习进行了广泛分析，并讨论了该领域面临的关键挑战和未来研究方向。

Aug, 2023

一种用于 Vision Transformer 的快速无需训练的压缩框架

提出优化 Transformer 模型 (ViT) 部署过程中训练代价高的问题的快速无需训练压缩框架，其中包括初层的稠密特征提取器、压缩率更高的模型和利用空间关系的局部 - 全局令牌合并方法，在多个模型上实现了至多 2 倍的 FLOPS 减少和 1.8 倍的推理吞吐量提升，训练时间比现有方法节省两个数量级。

Mar, 2023