YOLOv7 vs YOLOv6
-
YOLOv7 Objece Detection
Real-time Model at its Best
-
YOLOv7 Instance Segmentation
Real-time Model at its Best
-
YOLOv7 Post Estimation
Real-time Model at its Best
博主：）
歡迎大家跟我一起討論電腦視覺相關主題唷～
Real-time Model at its Best
Real-time Model at its Best
Real-time Model at its Best
博主：）
歡迎大家跟我一起討論電腦視覺相關主題唷～
本文將先針對「電腦視覺」中常用的「影像分類(Image Classification)」、「物件偵測(Object Detection)」「實例分割(Instance Segmentation)」及「人體骨架(Human Skeleton)」等幾大領域作簡單的「任務定義」
YOLO
2021 年 Swin-Transformer 霸榜各大電腦視覺任務，Transformer 是為序列建模和轉換任務而設計的， 因為它關注數據的長期依賴性，其在語言領域的巨大成功促使學者研究它對電腦視覺的適應性，本文重點探討將 Transformer 從 NLP 轉移到 CV 的策略。 2021 年以前各大電腦視覺任務主要被 CNN 所統治，CNN 架構已經通過更大的規模，更廣泛的連接，以及更複雜的卷積形式而逐漸壯大。
Transformer
RNN 無法丟到 GPU 進行平行化運算，導致運算時間會被拉得非常長。 而 CNN 非常適合平行化運算，所以就有學者提出 CNN 搭配自注意力機制取代 RNN ， 它可以平行化運算，而且每一個輸出向量，都看過整個輸入序列。 更重要的是：「我們可以把所有 RNN 架構做得到的事，都換成以 Self-Attention 來達成。」…
2020 年，將純粹的 Transformer 引入 CV 領域的論文引起了各路好手的廣泛關注，Vision-Transformer 的一系列研究工作大多數是對標準 Transformer 進行了增強。Vision-Transformer 並不是第一個嘗試將 Transformer 引入 CV 領域的論文，在 Transformer 霸榜 NLP 領域後，許多論文就開始嘗試將 Transformer 應用到 CV 領域，但發現了一個痛點，就是計算量非常驚人！ …
2021 年微軟研究人員發表了 Swin-Transformer，這可以說是原始 Vision-Transformer 後最令人興奮的研究之一。Swin-Transformer 不光是應用範圍廣，效果更是炸裂，看名字就知道是個基於 Transformer 模型，在視覺任務中取得了非常先進的 Performance，Swin-Transformer 目前被廣泛作為模型的骨幹(Backbone)。…
李沐團隊針對自監督學習(Self-Supervised Learning, SSL)的分支對比學習(Contrastive Learning)，在電腦視覺領域的發展進行了一個非常好的總結，這幾年真的卷出了非常多的 Trick。 2019 年 Facebook AI 提出的 MoCo 橫空出世，掀起了自監督學習在電腦視覺領域的熱潮，接續 Google Brain 相繼提出 SimCLR，自監督學習呈現出百花齊放，百家爭鳴空前繁榮的景象。但是繁榮的背後，自監督學習經歷了漫長的迭代和發展過程。
Self-Supervised Learning
本綜述針對 2018 年起自監督學習在計算機視覺領域的發展歷程，共分為四階段。這邊只是把最有關連性的論文給串接在一起，談論一下它們的相似及不同之處，不會精讀每篇論文，只會花 3~5 分鐘講一下它的研究動機、方法以及它的貢獻，將代表性的工作做一個總結。…
2018 年開始，自監督學習開始火了起來，當時被提出來的方法、模型架構(Model)、代理任務(Pretext Task)、目標函數(Loss)五花八門，皆未有統一的論述， 可以說此階段是一個百花齊放的時代。本章節將會介紹 InstDist 以及 InvaSpread 兩篇最具代表意義的論文。…
2019 年兩大科技巨頭 Facebook AI 和 Google-Brain 相繼提出 MOCO 系列、SimCLR 系列 ，這個階段發展非常迅速，每個月都在刷新 ImageNet 上的成績。本章節將介紹 SimCLR v1、MOCO v2、SimCLR v1、 SimCLR v2、SwAV 這些具代表意義的論文。…
2020 年英國知名 AI 公司 DeepMind 提出 BYOL ，引入了一個新的思維－不用負樣本也能學習，此階段主要講到 BYOL 這個方法以及它後續的改進，最後 Facebook AI 出手，把所有方法都歸納總結融入到了 Simsiam 這個框架之中。…
2021年 Facebook AI 提出了 MoCo v3，引入了 Vi-T。此時的 Vi-T 非常火熱，一半的視覺研究者都投入到了它的懷抱，所以對於自監督學習來說，大家接下來都是用 Vi-T 去實現。本章節將會介紹 MOVO v3 、DINO 這兩篇最具代表意義的論文。…
Copyright © 2018 - All Rights Reserved - Domain Name
Template by OS Templates