H4H：面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索——论文阅读
H4H：面向AR/VR应用的NPU-CIM异构系统混合卷积-Transformer架构搜索 Yiwei Zhao, Jinhui Chen, Sai Qian Zhang, Syed Shakib Sarwar, Kleber Hugo Stangherlin, Jorge Tomas Gomez, Jae-Sun Seo, Barbara De Salvo, Chiao Liu, Phil...
图卷积网络入门：数学基础与架构设计
数据是对现实世界的抽象表征。物理现象、人类行为模式以及自然规律都可以通过数据结构进行编码和表示。通过实现各类算法和模型，可以挖掘数据中的隐含模式，提取具有实际意义的非平凡信息。卷积神经网络（CNN）专门处理具有网格结构的数据（如图像），循环神经网络（RNN）则针对序列数据（如时间序列或文本）进行建模。这些模型的共同特点在于它们所处理的数据具有规则的结构特征。对于具有不规则结构的图数据而言，其模式....
卷积神经网络架构：EfficientNet结构的特点
EfficientNet是一种高效的卷积神经网络架构，它通过系统化的方法来提升模型的性能和效率。由Google AI提出，EfficientNet的设计理念是通过网络的复合缩放（compound scaling）来均衡地扩展网络的深度（depth）、宽度（width）和分辨率（resolution），从而在保持高准确度的同时显著降低计算成本。以下是EfficientNet结构的主要特点： ...
【YOLOv8改进 - Backbone主干】ShuffleNet V2：卷积神经网络（CNN）架构
YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 在ShuffleNet v2的文章中作者指出现在普遍采用的FLOPs评估模型性能是非常不合理的，因为一批样本的训练时间除了看FLOP...
【YOLOv8改进 - Backbone主干】EfficientRep：一种旨在提高硬件效率的RepVGG风格卷积神经网络架构
YOLOv8目标检测创新改进与实战案例专栏 专栏目录： YOLOv8有效改进系列及项目实战目录 包含卷积，主干 注意力，检测头等创新机制 以及 各种目标检测分割项目实战案例 专栏链接: YOLOv8基础解析+创新改进+实战案例 介绍 摘要 摘要——我们提出了一种硬件高效的卷积神经网络架构，具有类似 RepVGG 的架构。FLOPs 或参数是传统的评估网络效率的指标，但它们对...
VGG深度卷积神经网络架构
VGG（Visual Geometry Group）是由牛津大学的研究团队开发的深度卷积神经网络架构，旨在解决计算机视觉任务，特别是图像识别任务。VGG在2014年的ImageNet图像识别挑战赛上取得了很大成功，其简洁而有效的架构成为了后续深度学习模型设计的重要参考。 以下是VGG网络的主要特点和架构描述： 1. **深度堆叠**： ...
YOLOv5改进 | 2023卷积篇 | AKConv轻量级架构下的高效检测（既轻量又提点）
一、本文介绍 本文给大家带来的改进内容是AKConv是一种创新的变核卷积，它旨在解决标准卷积操作中的固有缺陷（采样形状是固定的），AKConv的核心思想在于它为卷积核提供了任意数量的参数和任意采样形状，能够使用任意数量的参数（如1, 2, 3, 4, 5, 6, 7等）来提取特征，这在标准卷积和可变形卷积中并未实现。AKConv能够根据硬件环境，使卷积参数的数量呈线性增减（非常适用于轻量...
ConvNeXt V2来了，仅用最简单的卷积架构，性能不输Transformer
ConvNeXt 模型更新了！经过几十年的基础研究，视觉识别领域已经迎来了大规模视觉表征学习的新时代。预训练的大规模视觉模型已经成为特征学习（feature learning）和视觉应用的基本工具。视觉表征学习系统的性能在很大程度上受到三个主要因素的影响：模型的神经网络架构、训练网络的方法以及训练数据。每个因素的改进都有助于模型整体性能的提高。神经网络架构设计的创新在表征学习领域一直发挥着重要作....
首次统一卷积与自注意力，上海交大、华为海思提出X-volution，发力网络核心基础架构创新
众所周知，卷积操作（convolution）与自注意力操作（self-attention）是深度学习两大核心的基础网络计算单元（或称为模型算子）。卷积操作通过线性乘子，提取图像局部特征；自注意力操作通过高阶乘子运算，提取图像全域 / 局部的特征关联特性。两种算子成为深度学习两大重要网络架构演化——CNN 与 Transformer 的计算基石。两种算子在图像特征提取与语义抽象方面的互补性不言而喻....
深度 | 卷积神经网络架构详解：它与神经网络有何不同？
这是作者在 Medium 上介绍神经网络系列文章中的一篇，他在这里详细介绍了卷积神经网络。卷积神经网络在图像识别、视频识别、推荐系统以及自然语言处理中都有很广的应用。如果想浏览该系列文章，可点击阅读原文查看原文网址。 跟神经网络一样，卷积神经网络由神经元构成，这些神经元带有可学习的权重和偏差（bias）。每个神经元接收若干输入，并对输入进行加权求和，然后通过一个激活功能将它们传递出去，再用一...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
金融级分布式架构
SOFAStack™（Scalable Open Financial Architecture Stack）是一套用于快速构建金融级分布式架构的中间件，也是在金融场景里锤炼出来的最佳实践。
+关注