最新
deeppose Python
Fork 0 关注 0

本项目是基于 Chainer 实现的人体姿态估计网络。本项目是第一个将深度神经网络(DNN)应用于人体关键点检测的算法框架。在FLIC和LSP数据集上取得了当时最好的检测精度。同时也是第一个将关键点检测问题转换为回归问题的算法,通过级联的多个DNN网络,直接回归关节点的坐标值。其后的所有主流姿态估计算法基本都是基于这个算法的思想进行的改进或创新。

原始仓库地址:https://github.com/mitmul/deeppose.git

浏览量:0 下载量:0 项目类别: 图像分类
3 days前更新
Fork 0 关注 0

本项目是基于 Chainer 实现的场景分析网络。本项目所使用的金字塔池化模块( pyramid pooling module)能够聚合不同区域的上下文信息,从而提高获取全局信息的能力。实验表明这样的先验表示(即PSP这个结构)是有效的,在多个数据集上展现了优良的效果。

原始仓库地址:https://github.com/mitmul/chainer-pspnet.git

浏览量:1 下载量:0 项目类别: 语义分割
3 days前更新
segmentation Python
Fork 0 关注 0

本项目是一个基于 TensorFlow 实现的语义分割网络。许多移动应用需要实时语义分割(Real-time Semantic Segmentation)模型,现有的深度神经网络难以实现,问题在于深度神经网络需要大量的浮点运算,导致运行时间长,从而降低了时效性。本项目针对这一问题提出的一种新型有效的深度神经网络,相比于现有的模型,在速度加快了18×倍,浮点计算量上减少了75×,参数减少了79×,且有相似的精度。

原始仓库地址:https://github.com/fregu856/segmentation.git

浏览量:0 下载量:0 项目类别: 语义分割
3 days前更新
Fork 0 关注 0

本项目是一个基于 Caffe 的语义分割模型。SegNet是Cambridge提出旨在解决自动驾驶或者智能机器人的图像语义分割深度网络,开放源码,基于caffe框架。SegNet基于FCN,修改VGG-16网络得到的语义分割网络,有两种版本的SegNet,分别为SegNet与Bayesian SegNet。SegNet的编码器部分使用的是VGG16的前13层卷积网络,每个编码器层都对应一个解码器层,最终解码器的输出被送入soft-max分类器以独立的为每个像素产生类概率。

原始仓库地址:https://github.com/timosaemann/caffe-segnet-cudnn5.git

浏览量:1 下载量:0 项目类别: 语义分割
3 days前更新
enet Python
Fork 0 关注 0

本项目是一个用于语义分割的实时模型。许多移动应用需要实时语义分割(Real-time Semantic Segmentation)模型,现有的深度神经网络难以实现,问题在于深度神经网络需要大量的浮点运算,导致运行时间长,从而降低了时效性。ENet即针对这一问题提出的一种新型有效的深度神经网络,相比于现有的模型,在速度加快了18×倍,浮点计算量上减少了75×,参数减少了79×,且有相似的精度

原始仓库地址:https://github.com/timosaemann/enet.git

浏览量:2 下载量:0 项目类别: 语义分割
3 days前更新

本项目是用于回归和预测任务的因式分解机。分解机提供了一种有效的方法,可以将线性或对数方程中的变量对之间的相互作用包括在内。当问题只有几个解释变量时,可以简单地用乘积变量扩展线性方程。但是,当模型具有1000个变量时,该策略不是最佳的。仍然可以艰难地完成(使用正则化惩罚),但是因数分解机器是一个很好的选择。因子分解机将前面的方程式约束为具有权重,该权重是特征嵌入矢量的点积。

原始仓库地址:https://github.com/mzaradzki/factorization-machine-for-prediction.git

浏览量:0 下载量:0 项目类别: 图像分类
3 days前更新
neuralnets Python
Fork 0 关注 0

本项目是一个学习示例项目。本项目包含深度学习中多个常见的任务的模型解决方案,例如 autoencoder_keras : 实现了auto-encoder结构;dogsandcats_keras : 实现了 kaggle "dogs and cats" 比赛的多个模型;vgg_faces_keras : 基于VGG 模型实现了人脸识别模型;vgg_segmentation_keras : 实现了图像像素级别的图像分类。

原始仓库地址:https://github.com/mzaradzki/neuralnets.git

浏览量:0 下载量:0 项目类别: 深度学习
3 days前更新
tensorvision Python
Fork 0 关注 0

本项目是一个图像识别任务模型。本项目是一个用于在TensorFlow中构建,训练和评估神经网络的库。同时,本项目提供完整的指南文档,方便开发者快速入手本项目,并实现自己的图像识别模型。

原始仓库地址:https://github.com/tensorvision/tensorvision.git

浏览量:0 下载量:0 项目类别: 图像分类
3 days前更新
edge-connect Python
Fork 0 关注 0

本项目是一个用于图像修复的模型。本项目可以更好地再现填充区域,这些区域显示出细腻的细节,这是受受艺术家工作方式的理解所启发:首先是线条,然后是颜色。本项目提出了一个两阶段对抗模型EdgeConnect,该模型由一个边缘生成器和一个图像完成网络组成。边缘生成器使图像的缺失区域(规则的和不规则的)产生幻觉,并且图像处理网络使用幻觉的边缘作为先验来填充缺失区域。

原始仓库地址:https://github.com/knazeri/edge-connect.git

浏览量:0 下载量:0 项目类别: 图像分类
3 days前更新
Fork 0 关注 0

本项目是基于 TensorFlow 实现的语义分割模型 FCN。FCN对图像进行像素级的分类,从而解决了语义级别的图像分割问题。与经典的CNN在卷积层之后使用全连接层得到固定长度的特征向量进行分类不同,FCN可以接受任意尺寸的输入图像,采用反卷积层对最后一个卷积层的feature map进行上采样, 使它恢复到输入图像相同的尺寸,从而可以对每个像素都产生了一个预测, 同时保留了原始输入图像中的空间信息, 最后在上采样的特征图上进行逐像素分类。

原始仓库地址:https://github.com/marvinteichmann/tensorflow-fcn.git

浏览量:2 下载量:0 项目类别: 语义分割
4 days前更新

ihub@pcl.ac.cn 鹏城实验室人工智能研究中心

版权所有:鹏城实验室    粤ICP备18066427号-6    Powerd by 国防科技大学Trustie