当前位置:首页 > 报告详情

2020年终大会-搜索算法:12-1.pdf

上传人: li 编号:29906 2020-12-01 35页 68.06MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要涉及计算机视觉和机器学习领域的多个研究主题。关键点包括: 1. 各种目标检测模型的比较,如YOLO系列、RetinaNet、CenterNet等,以及它们在不同场景下的性能表现。 2. 检测跟踪技术,介绍了Detection by Tracking方法,以及如何利用深度学习模型进行高效的目标跟踪。 3. 轻量级网络模型,特别是YOLO Nano,这是一种非常紧凑的神经网络,适用于资源受限的环境。 4. 无监督学习方法,包括自监督学习和特征图蒸馏,这些技术能够在没有标注数据的情况下训练模型。 5. 模型训练和聚类方法,如CDP和LTC,它们在处理大规模未标记数据时能够提高面部识别等任务的性能。 6. Bootstrap自举方法和自监督学习,BYOL是一种新的自监督学习方法,通过生成潜在表示来训练模型。 以上内容涵盖了计算机视觉领域的一些最新研究和技术进展。
"哪种神经网络最适合目标检测?" "如何实现无监督学习中的自监督学习?" "检测跟踪技术有哪些最新进展?"
客服
商务合作
小程序
服务号
折叠