首页
Python
Java
前端
数据库
Linux
Chatgpt专题
开发者工具箱
fewer专题
轻量化网络(三)Squeezenet: Alexnet-Level Accuracy With 50x Fewer Parameters And 0.5mb Model Size
论文链接 Caffe实现 Pytorch实现 Tensorflow实现 轻量化网络有至少以下三个优点:1、更小的网络在服务器上训练需要更少的计算量。2、更小的模型需要更少的带宽从云端下载到自动驾驶汽车上。3、更小的模型可以更灵活得部署在FPGAs和其他有限内存的硬件上。本文基于以上优点提出了SqueezeNet,保持模型性能不变的情况下,使得AlexNet模型减少了50倍的参数量。 一、网络设计
阅读更多...
目标检测:Proposal-Contrastive Pretraining for Object Detection from Fewer Data
论文作者:Quentin Bouniot,Romaric Audigier,Angélique Loesch,Amaury Habrard 作者单位:Université Paris-Saclay; Université Jean Monnet Saint-Etienne; Universitaire de France (IUF) 论文链接:http://arxiv.org/ab
阅读更多...