| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 컴퓨터 비전
- 파이토치
- tensorflow 예제
- object detection
- c++공부
- 딥러닝
- 딥러닝 공부
- c언어 정리
- 파이토치 강의 정리
- matlab 영상처리
- 모두의 딥러닝
- 팀프로젝트
- 영상처리
- C언어 공부
- 김성훈 교수님 PyTorch
- Pytorch Lecture
- 가우시안 필터링
- 파이토치 김성훈 교수님 강의 정리
- c++
- MFC 프로그래밍
- c언어
- pytorch zero to all
- pytorch
- 케라스 정리
- 골빈해커
- TensorFlow
- 미디언 필터링
- 딥러닝 스터디
- 해리스 코너 검출
- 모두의 딥러닝 예제
Archives
- Today
- Total
목록MnasNet 구현하기 (1)
ComputerVision Jack
MnasNet: Platform-Aware Neural Architectures Search for Mobile
MnasNet: Platform-Aware Neural Architecture Search for Mobile Abstract Mobile CNNs의 모든 Dimension 설계와 향상을 위한 많은 노력들이 진행되어 왔지만, 많은 Architecture 고려 될 수 있기 때문에 Trade-off 사이의 균형을 맞추긴 어렵다. 해당 논문에서 모델의 Latency에 목적을 맞춘 mobile neural architecture search (MNAS) 접근을 통해 Accuracy와 Latency 간의 좋은 Trade-off 균형을 갖는 모델을 찾는다. 따라서 Network 전반적으로 Layer의 다양성을 장려하는 새로운 Factorized Hierarchical Search Space 제안한다. (= MNas..
Reading Paper/Classification Networks
2022. 1. 13. 15:59