ImageNet预训练方式加快了收敛速度，特别是在训练早期，但随机初始化训练可以在训练一段时间后赶上来。考虑到前者还要进行模型的微调，训练总时间二者大体相当。由于在研究目标任务时经常忽略ImageNet预训练的成本，因此采用短期训练进行的“对照”比较可能会掩盖随机初始化训练的真实表现。
2018-11-24 10:09
特征金字塔网络(Feature Pyramid Network)：首先简要回顾一下FPN。FPN采用一个具有多空间分辨率特征的标准网络(如ResNet)，并添加一个具有横向连接的自上而下的通道，如图1a所示。自上而下的路径从网络的最深层开始，并逐步向上采样，同时添加自底向上路径的高分辨率特性的转换版本。FPN生成一个金字塔，通常具有1/32到1/4的分辨率，其中每个金字塔级别具有相同的通道维度(默认是256)。
2019-01-11 08:57
然而，尽管目前性能最好的对象检测器依赖于滑动窗口预测来生成初始候选区域，但获得更准确的预测主要来自对这些候选区域进行细化的阶段，如 Faster R-CNN 和 Mask R-CNN，分别用于边界框目标检测和实例分割。这类方法已经主导了 COCO 目标检测挑战赛。
2019-04-08 12:00
本文试图通过研究一个未开发的数据体系来解决这个复杂的问题：使用外部社交媒体上数十亿的带有标签的图像作为数据源。该数据源具有大而且不断增长的优点，而且是“免费”注释的，因为数据不需要手动标记。显而易见，对这些数据的训练将产生良好的迁移学习结果。
2019-06-29 07:26
在图像中，通常在目标中心附近存在一个像素，但在点云中却不是这样。由于深度传感器仅捕获物体的表面，因此3D物体的中心很可能在远离任何点的空白空间中。因此，基于点的网络很难在目标中心附近聚集场景上下文。简单地增加感知域并不能解决这个问题，因为当网络捕获更大的上下文时，它也会导致包含更多的附近的对象和杂物。
2019-04-26 09:25
起中国芯，绕不过倪光南。 从1985年参与创立联想以来，倪光南与“国产芯片”“国产操作系统”这两个课题苦苦对峙了30年。他就像希腊神话里的西西弗斯，一次又一次地推着石头上山，一次又一次地失望而归。 这实在是一个悲壮的故事。
2018-04-29 16:54
从何恺明等人2015年提出以来，ResNet甚至被认为是当前性能最佳的网络结构。ResNet的成功得益于它引入了快捷连接（shortcut connection），以及在此基础上的恒等映射
2018-07-03 09:15
）的指令集架构，因具备自由开放、成本低、功耗低等方面的优势，受到全球广泛关注。 在2019国际芯片大会（Chips 2019）上，中国工程院院士倪光南在展望开源芯片前景时曾表示：&ldquo
2020-09-22 09:55
