写在前面：本文将对 Nvidia BERT 推理解决方案 Faster Transformer 源码进行深度剖析，详细分析作者的优化意图，并对源码中的加速技巧进行介绍，希望对读者有所帮助。本文源码
2023-09-08 10:20
Faster-LIO是基于FastLIO2开发的。FastLIO2是开源LIO中比较优秀的一个，前端用了增量的kdtree（ikd-tree），后端用了迭代ESKF（IEKF），流程短，计算快
2024-01-12 10:22
在多数深度学习开发者的印象中Faster-RCNN与Mask-RCNN作为早期的RCNN系列网络现在应该是日薄西山，再也没有什么值得留恋的地方，但是你却会发现Pytorch无论哪个版本的torchvision都一直在支持Faster-RCNN与Mask-RCNN模
2023-10-11 16:44
写在前面 ：本文将对 Faster Transformer v2.1 版本源码进行解读，重点介绍该版本基于 v1.0 和 v2.0 所做的优化内容，剖析源码作者优化意图。 1 v2.1 版本发布背景
2023-09-19 11:39
Mask R-CNN是承继于Faster R-CNN，Mask R-CNN只是在Faster R-CNN上面增加了一个Mask Prediction Branch（Mask预测分支），并且在ROI
2019-04-04 16:32
在本篇文章中，公司的研究人员介绍了他们在研究过程中所使用的先进目标检测工具Faster R-CNN，包括它的构造及实现原理。
2018-01-27 11:49
训练时，ROI特征（14*14大小）通过8个3*3空洞卷积，再通过两个反卷积把尺寸扩大（56*56），再通过一个卷积生成与网格点相关的 heatmaps（9 个点就是 9 张图，后文实验也使用了4个点的情况）。监督信息是每一个点所处位置的交叉十字形状的5个点的位置。最后再接sigmoid函数，在heapmaps上得到概率图。
2018-12-25 10:42
Faster RCNN(图2)是由被粉丝们昵称为RGB的Ross B.Girshick所发表。自2013年起发表的RCNN三部曲包含RCNN、Fast RCNN以及Faster RCNN。最终版
2018-10-04 16:36
目标检测是一种多任务学习问题，包含目标定位和目标分类。当前最佳的目标检测器（比如 Faster RCNN、Cascade R-CNN 和 Mask R-CNN）都依靠边界框回归来定位目标。
2019-04-23 16:38
我们的方法称为 Mask R-CNN，扩展了 Faster RCNN ，方法是在每个感兴趣区域 (RoI) 上添加一个用于预测分割掩码的分支，与用于分类和边界框回归的现有分支并行(图 1)。掩码分支
2022-04-13 10:40
