引言
首先为我这么多天断更抱歉,最近缺失是太忙了,而且心情不太好,被老师一直恶心,最近我会恢复更新,并且优化网站界面,希望大家可以继续支持我!!!我会继续加油为大家更新有用的东西!
首先为我这么多天断更抱歉,最近缺失是太忙了,而且心情不太好,被老师一直恶心,最近我会恢复更新,并且优化网站界面,希望大家可以继续支持我!!!我会继续加油为大家更新有用的东西!
© 本文著作权归作者所有,转载前请务必署名
DETRs Beat YOLOs on Real-time Object DetectionAbstractYOLO系列已成为实时目标检测最流行的框架,因为它在速度和精度之间进行了合理的权衡。然而,我们观察到nnms对yolo的速度和准确性产生了负面影响。最近,端到端基于transformer的检测
YOLOv10: Real-Time End-to-End Object DetectionAbstract在过去的几年里,由于在计算成本和检测性能之间取得了有效的平衡,YOLOs已经成为实时目标检测领域的主导范式。研究人员已经对yolo的架构设计、优化目标、数据增强策略等进行了探索,并取得了显著进
YOLOv9: Learning What You Want to Learn Using Programmable Gradient InformationAbstract今天的深度学习方法关注的是如何设计最合适的目标函数,使模型的预测结果最接近ground truth。同时,必须设计一个适当的体
Abstract受Kolmogorov-Arnold表示定理的启发,我们提出Kolmogorov-Arnold网络(KANs)作为多层感知器(mlp)的有前途的替代品。mlp在节点(“神经元”)上有固定的激活函数,而kan在边缘(“权重”)上有可学习的激活函数。kan根本没有线性权重——每个权重参数
Abstract基础模型,现在为深度学习中大多数令人兴奋的应用程序提供动力,几乎普遍基于Transformer架构及其核心关注模块。许多次二次时间架构,如线性注意力、门控卷积和循环模型,以及结构化状态空间模型(ssm)已经被开发出来,以解决transformer在长序列上的计算效率低下问题,但它们在