V
主页
京东 11.11 红包
Richard日常读paper: 沐神团队的加强版ResNet之ResNeSt
发布人
萌新up主一枚,我会不定期更新日常,包括理财、学习、读paper、旅游vlog等
打开封面
下载高清视频
观看高清视频
视频下载器
Richard日常读paper: meta-learning入门框架MAML
Richard日常读paper: YOLO系列最优tricks集大成者YOLOv4
Richard日常读paper: 一款强大的特征金字塔网络FPG
Richard日常读paper: 多源域无监督迁移学习ML-MSDA
Richard日常读paper: 魔改backbone的单模型最强检测器DetectoRS
Richard日常读paper: 2020arxiv Freeanchor迈向anchor-free的新思路Autoassign
Richard日常读paper: CVPR2020提升目标检测的样本加权网络SWN
Richard日常读paper: 2020 arxiv 在速度和精度胜过YoloV4的PP-Yolo
Richard日常读paper: 2020IV高效通用停车位检测方法PSDet
Richard日常读paper: CVPR2020目标检测anchor-free新方法CentripetalNet
Richard日常读paper: 2020arxiv无cost涨点魔改FL的优化方法Generalized Focal Loss
Richard日常读paper: 2020arxiv 用于更精细定位的检测头ScopeHead
Richard日常读paper: 2020Arxiv解决小目标检测的简单粗暴框架HRDNet
Richard日常读paper: Google基于元学习的知识蒸馏方法Meta Pseudo Labels
Richard日常读paper: 尺度均衡金字塔卷积 (SEPC)
Richard日常读paper: CVPR2020解决长尾目标检测的Balanced Group Softmax
Richard日常读paper: 2019NeurIPS自适应学习anchor的联合优化方法Freeanchor
Richard日常读paper: Crowded场景行人检测神器Detection in Crowded Scenes
Richard日常读paper: NLP的Transformer足以handle Detection?DETR!
Richard日常读paper: 带遮挡行人检测 NMS by Representative Region
Richard日常读paper: 一款增强图像分类的插件Spatially Attentive Output Layer (SAOL)
计算机视觉基础:图像处理、图像分割、图像分类、图像检索、目标检测全详解,上交大教授带你一次学透彻!
Richard日常读paper: 2020ECCV 集成检测分割姿态估计的多任务框架Point-Set Anchors
Richard日常读paper: 多任务网络结构搜索 MTL-NAS
Richard日常读paper: 面向自动驾驶领域的跟踪框架RetinaTrack
Richard日常读paper: 2020CVPR 自适应训练样本选择的anchor-free方法ATSS
Richard日常读paper: 迁移学习中面向判别性和多样性的核范数最大化BNM
Richard日常读paper: CVPR2020针对多方向和密集场景的动态优化网络
Richard日常读paper: 特征 or 算法?Rethinking Few-Shot Image Classification
Richard日常读paper: 一个经典非GAN图像生成方法GMMN
【2024初中信息科技全国优质课】重庆 李艳珍《探索图像分类——麦田里的AI卫士》
Richard日常读paper: 2020CVPR针对detection backbone的高效NAS框架SP-NAS
Richard日常读paper: CVPR2020老照片修复 (Bringing Old Photos Back to Life)
Richard日常读paper: 有趣的颜色分割框架Fast Soft Color Segmentation
Richard日常读paper: 一款口罩检测应用 (RetianMask)
Richard日常读paper: 无监督迁移学习SGA
Richard日常读paper: 2020ECCV基于投票的single-stage anchor-free检测框架HoughNet
Richard日常读paper: 2020简单有效的开源车道线检测PolyLaneNet
科研新手读AI跨学科Nature论文的懒人手册【AI跨学科论文精读第1讲】
可解释模型预测登上Nature,热力学启发的解释性