最近关于专利的一点感想

发布时间：2020-11-29  栏目：感悟  评论：1 Comment

近来发现，自己以前的不少想法，现在都被大公司实现了。去年就间接了解到，自己在英特尔被批准的第一篇国际专利，三星和小米手机都或多或少的用到了，当然，这篇专利已经转给公司，侵不侵权的也与我无关了。最近更是看新闻了解到，自己一个约三...

DenseNet

发布时间：2020-11-23  栏目：人工智能, 深度学习  评论：0 Comments

DenseNet模型，它的基本思路与ResNet一致，但是它建立的是前面所有层与后面层的密集连接（dense connection），它的名称也是由此而来。DenseNet的另一大特色是通过特征在channel上的连接来实现特征重用（feature reuse）。这些特点让DenseNet在...

Sequeeze-and-Excitation(SE) Block

发布时间：2020-11-23  栏目：人工智能, 机器视觉, 深度学习  评论：0 Comments

Squeeze-and-Excite 对应的论文是Squeeze-and-Excitation Networks Sequeeze-and-Excitation(SE) Block是一个子模块，可以嵌到其他的模型中，作者采用SENet Block和ResNeXt结合在ILSVRC 2017的分类项目中得了第一。   Sequeeze-and-Excitat...

SqueezeNet

发布时间：2020-11-23  栏目：人工智能, 图像处理, 深度学习  评论：0 Comments

SqueezeNet 发表于ICLR-2017，作者分别来自Berkeley和Stanford，SqueezeNet不是模型压缩技术，而是 “design strategies for CNN architectures with few parameters” SqueezeNet的模型压缩使用了3个策略： 将  卷积替换成  卷积：通过这一步，...

空洞卷积（dilated convolution）

发布时间：2020-11-23  栏目：人工智能, 图像处理, 深度学习  评论：0 Comments

论文：Multi-scale context aggregation with dilated convolutions dilated conv，中文可以叫做空洞卷积或者扩张卷积。   首先是诞生背景，在图像分割领域，图像输入到CNN（典型的网络比如FCN[3]）中，FCN先像传统的CNN那样对图像做卷积再...

Syft及TensorFlow Encrypted

发布时间：2020-11-17  栏目：工程部署, 深度学习  评论：0 Comments

Syft（也称为PySyft），因为到目前为止，它最成熟的实现是用Python编写的，并且是为Python编写的，由OpenMined（一个致力于启用隐私保护AI的开源社区）维护。在这里复制他们的使命声明是值得的： 设计用于人工智能的行业标准工具时，有以下几个...

Tensorflow Serving部署tensorflow、keras模型

发布时间：2020-11-17  栏目：深度学习, 软件、框架及系统  评论：0 Comments

TensorFlow Serving 是一个适用于机器学习模型的灵活、高性能应用系统，专为生产环境而设计。借助 TensorFlow Serving，您可以轻松部署新算法和实验，同时保留相同的服务器架构和 API。TensorFlow Serving 提供与 TensorFlow 模型的开箱即用型...

关于GAN的消融测试

发布时间：2020-11-01  栏目：人工智能, 图像处理, 深度学习  评论：0 Comments

关于GAN的消融测试，即GAN网络效果与GAN中取出判别器，只留下生成器的效果作比较，其效果可能很大程度上取决于判别器的强弱（层数、filter大小等）以及模型训练的是否充分（但又不能过拟合）。

近期文章

近期评论

文章归档

分类目录

功能

热情读者



作者其他介绍


友情链接


相册集

pix pix pix pix pix pix

关于自己

杨文龙，微软Principal Engineering Manager, 曾在各家公司担任影像技术资深总监、数据科学团队资深经理、ADAS算法总监、资深深度学习工程师等职位，热爱创新发明，专注于人工智能、深度学习、图像处理、机器学习、算法、自然语言处理及软件等领域，目前发明有国际专利19篇，中国专利28篇。

联系我

个人技术笔记

290125097@qq.com

2015 in Shanghai



Copyright © 杨文龙的博客, All Rights Reserved. 沪ICP备14044444号-2