efficient专题

论文阅读--Efficient Hybrid Zoom using Camera Fusion on Mobile Phones

这是谷歌影像团队 2023 年发表在 Siggraph Asia 上的一篇文章，主要介绍的是利用多摄融合的思路进行变焦。单反相机因为卓越的硬件性能，可以非常方便的实现光学变焦。不过目前的智能手机，受制于物理空间的限制，还不能做到像单反一样的光学变焦。目前主流的智能手机，都是采用多摄的设计，一般来说一个主摄搭配一个长焦，为了实现主摄与长焦之间的变焦，目前都是采用数字变焦的方式，数字变焦相比于光学

模型压缩：Networks Slimming-Learning Efficient Convolutional Networks through Network Slimming

Network Slimming-Learning Efficient Convolutional Networks through Network Slimming（Paper） 2017年ICCV的一篇paper，思路清晰，骨骼清奇~~ 创新点： 1. 利用batch normalization中的缩放因子γ 作为重要性因子，即γ越小，所对应的channel不太重要，就可以裁剪（prun

论文阅读笔记——DeepPruner: Learning Efficient Stereo Matching via Differentiable PatchMatch

这篇文章，是2019年新的ICCV的papper，文章典型的使用了PatchMatch的思路，使得最后的速度快了很多。主要思路是：首先利用一种新颖的可微Patch Match算法来获得稀疏的cost volume。然后，我们利用此表示来了解每个像素的修剪范围，自适应地修剪了每个区域的搜索空间。最后，利用图像引导的优化模块来进一步提高性能。由于所有组件都是可区分的，因此可以以端到端的方式训练整

Light OJ 1054 Efficient Pseudo Code 求n^m的约数和

题目来源：Light OJ 1054 Efficient Pseudo Code 题意：求n的m次这个数的所有的约数和思路：首先对于一个数n = p1^a1*p2^a2*p3^a3*…*pk^ak 约束和s = (p1^0+p1^1+p1^2+…p1^a1)(p2^0+p2^1+p2^2+…p2^a2)…(pk^0+pk^1+pk^2+…pk^ak）然后就是先求素数表分解因子然后求

【网络裁剪】——Learning Efficient Convolutional Networks through Network Slimming

转载自:https://blog.csdn.net/h__ang/article/details/89376079 亮点:ICCV 2017 论文链接：https://arxiv.org/abs/1708.06519 官方代码（Torch实现）：https://github.com/liuzhuang13/slimming 第三方代码（PyTorch实现）：https://github.c

LLM微调方法(Efficient-Tuning)六大主流方法：思路讲解优缺点对比[P-tuning、Lora、Prefix tuning等]

LLM微调方法(Efficient-Tuning)六大主流方法：思路讲解&优缺点对比[P-tuning、Lora、Prefix tuning等] 由于LLM参数量都是在亿级以上，少则数十亿，多则数千亿。当我们想在用特定领域的数据微调模型时，如果想要full-tuning所有模型参数，看着是不太实际，一来需要相当多的硬件设备（GPU），二来需要相当长的训练时间。因此，我们可以选择一条捷径，不需要微

3D点云论阅读：ShellNet:Efficient Point Cloud Convolutional Neural Networks using Concentric Shells Statics

论文：http://openaccess.thecvf.com/content_ICCV_2019/papers/Zhang_ShellNet_Efficient_Point_Cloud_Convolutional_Neural_Networks_Using_Concentric_Shells_ICCV_2019_paper.pdf 源码：https://github.com/hkust-vgd

论文笔记：EAST: an Efficient and Accuracy Scene Text detection pipeline

EAST: an Efficient and Accuracy Scene Text detection pipeline 直接在整张图像上回归目标和它的几何轮廓，模型是全卷积神经网络，每个像素位置都输出密集的文字预测。排除了生成候选目标，生成文字区域，字母分割(candidate proposal, text region formation, word partition)等中间过程。后续过

RT-DETR 详解之 Efficient Hybrid Encoder

在先前的博文中，博主介绍了RT-DETR在官方代码与YOLOv8集成程序中的训练与推理过程，接下来，博主将通过代码调试的方式来梳理RT-DETR的整个过程。整体结构 RT-DETR的代码调试大家可以参考博主这篇文章：在梳理整个代码之前，博主需要说明一下RT-DETR的主要创新点，方便我们在代码调试的过程中有的放矢。博主首先使用官方代码进行讲解，在后面还会对YOLOv8集成的RT-DE

翻译 | ORB: An efficient alternative to SIFT or SURF（ORB：对SIFT或SURF的一种有效选择）

博主github：https://github.com/MichaelBeechan 博主CSDN：https://blog.csdn.net/u011344545 ORB：对SIFT或SURF的一种有效选择 ORB: an efficient alternative to SIFT or SURF 译者：Michael Beechan(陈兵) 重庆理工大学 Ethan Rublee Vi

uva 11020 - Efficient Solutions(STL)

题目链接：uva 11020 - Efficient Solutions 题目大意：依次给定n个人的坐标，每次输出当前有多少个人属于优势群体，优势群体的定义为不存在另一个人的坐标x，y均小于自己(等于是可以的)

论文阅读：《Bag of Tricks for Efficient Text Classification》

重磅专栏推荐：《大模型AIGC》《课程大纲》《知识星球》本专栏致力于探索和讨论当今最前沿的技术趋势和应用领域，包括但不限于ChatGPT和Stable Diffusion等。我们将深入研究大型模型的开发和应用，以及与之相关的人工智能生成内容（AIGC）技术。通过深入的技术解析和实践经验分享，旨在帮助读者更好地理解和应用这些领域的最新进展 https://blog.csdn.

【深度学习】【STWave】时空图预测，车流量预测，Efficient Spectral Graph Attention Network

Spatio-Temporal meets Wavelet: Disentangled Traffic Flow Forecasting via Efficient Spectral Graph Attention Network 代码：https://github.com/LMissher/STWave 论文：https://arxiv.org/abs/2112.02740 帮助： http

【索引】Chapter 1. Algorithm Design :: Designing Efficient Algorithms :: Exercises: Beginner

题目链接：http://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=461 TitleTotal Submissions / Solving %Total Users / Solving %10125 - Sumsets17713 21.28% 2628 74.05% 1

【索引】Chapter 1. Algorithm Design :: Designing Efficient Algorithms :: Examples

链接：http://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&category=460 点击题目进入题解： TitleTotal Submissions / Solving %Total Users / Solving %11462 - Age Sort24713 36.09% 6227

UVA 11020 - Efficient Solutions(set)

UVA 11020 - Efficient Solutions 题目链接题意：每个人有两个属性值(x, y)，对于每一个人(x,y)而言，当有另一个人(x', y'),如果他们的属性值满足x' < x, y' <= y或x' <= x, y' < y的话，这个人会失去优势，每次添加一个人，并输出当前优势人个数思路：由于每个人失去优势后，不可能再得到优势，所以失去优势就可以当成删去

TEINet: Towards an Efficient Architecture for Video Recognition 论文阅读

TEINet: Towards an Efficient Architecture for Video Recognition 论文阅读 Abstract1 Introduction2 Related Work3 Method3.1 Motion Enhanced Module3.2 Temporal Interaction Module3.3 TEINet 4 Experiments5 C

Efficient Neighbourhood Consensus Networks via Submanifold Sparse Convolutions

本文的目的是输入一个image pair 然后得到他们的匹配内存消耗大，推理时间长，对应关系局部性差。我们提出的修改可以减少10倍以上的内存占用和执行时间，并且效果相当。这是通过对包含试探性匹配的相关张量进行稀疏化，然后使用子流形稀疏卷积对其进行4D CNN后续处理来实现的。通过以更高的分辨率处理输入图像（这是可能的，因为减少了内存占用），以及通过一个新的两级对应重定位模块，定位精度显著

Paper Note | Efficient DRL-Based Congestion Control With Ultra-Low Overhead

文章目录 IntroductionDesignRL AgentCC ExecutorHierarchical Recurrent Architecture Introduction 深度强化学习能够用于网络拥塞控制决策中，但是之前的DRL方案耗时且占用了很多CPU资源。这篇文章提出了一种低开销的DRL方案，实现细粒度的包级别控制。 SPINE采用了层次控制架构，包含一个轻量级

【论文阅读：Towards Efficient Data Valuation Based on the Shapley Value】

基于Shapley值的高校数据价值评估主要贡献提出了一系列用于近似计算Shapley值的高效算法。设计了一个算法，通过实现不同模型评估之间的适当信息共享来实现这一目标,该算法具有可证明的误差保证来近似N个数据点的SV，其模型评估数量为 O ( N l o g ( N ) 2 ) O(\sqrt Nlog(N)^2) O(N log(N)2) 这个算法依赖于学习算法的稳定性，对于复杂的

【论文阅读】ELAN-Efficient Long-Range Attention Network for Image Super-resolution

ELAN-Efficient Long-Range Attention Network for Image Super-resolution 论文地址简介1 引言2相关工作2.1 基于 CNN 的 SR 方法2.2 基于 Transformer 的 SR 方法 3 方法论3.1 ELAN 的整体流程3.2 Efficient Long-range Attention Block (ELAB)

【提示学习论文】PMF：Efficient Multimodal Fusion via Interactive Prompting论文原理

Efficient Multimodal Fusion via Interactive Prompting（CVPR2023）基于交互式提示的高效多模态融合方法减少针对下游任务微调模型的计算成本提出模块化多模态融合架构，促进不同模态之间的相互交互将普通提示分为三种类型，仅在单模态transformer深层添加提示向量，显著减少训练内存的使用 1 Introduction 提示微调方法采用顺

论文笔记：Label Efficient Learning of Transferable Representations across Domains and Tasks

一个使用了对抗网络和semantic transfer的迁移学习网络，用于图片分类任务。整个网络的目标函数： 1 . 数据分为源域S的标签数据；目标域T的无标签数据；目标域T的有标签数据。 2. 蓝色的网络是基本的分类学习网络，使用S数据学习得到； 3. 绿色网络是针对域T域数据学习网络，初始化为S网络的参数； 4. 对抗网络：使用Multi-layer domain adversarial

The Web Testing Companion: The Insider's Guide to Efficient and Effective Tests

Efficient object detection and segmentation forfine-grained recognition

用于细粒度识别的高效物体检测和分割摘要我们提出一种用于细粒度识别的检测和分割算法。该算法首先检测可能包含物体的低级区域然后通过传播分割出整个物体。除了分割物体外，我们也可以缩放物体，如将其移动到图像中心，缩放归一化，从而降低背景的影响。随后，我们证明了联合该方法和最先进的分类算法能够明显改善分类效果，尤其实在那些公认为很难识别的数据集上，比如鸟群。该算法比已知的类似情景的算法[4,21

quantizing deep convolutional networks for efficient inference

标题: 量化深层卷积网络用于有效推理摘要本文综述了一种量化卷积神经网络的方法，用于整数权重和激活的推理。采用每个通道权重量化和每层激活量化到8位精度方法, 会对网络模型测试精度下降2%左右. 优点是适用于各种CNN架构。通过将权重量化为8位，模型大小可以减少4倍. 即使不支持8位算法，也可以通过简单的训练后权重量化来实现。我们对CPU和DSP上网络量化产生的延迟进行基准测试，并观察到量