Prefacio Este documento presenta sistemáticamente las diferentes categorías del mecanismo de Atención, y presenta los principios, ventajas y desventajas de cada categoría.
Bienvenido a la guía técnica de CV de cuenta pública , que se centra en el resumen técnico de la visión artificial, el seguimiento de última tecnología, la interpretación de documentos clásicos y la información de contratación de CV.
Visión de conjunto
El propósito del mecanismo de Atención es centrarse en la información útil y reducir la proporción de información sin importancia. Los mecanismos de atención se pueden dividir en 6 categorías, incluidas 4 categorías básicas y 2 categorías combinadas. Las cuatro categorías básicas son atención de canal, atención espacial, atención temporal y atención de rama. Las dos categorías de combinación son la combinación de canal y espacio, y la combinación de espacio y tiempo.
Bienvenido a la guía técnica de CV de cuenta pública , que se centra en el resumen técnico de la visión artificial, el seguimiento de última tecnología, la interpretación de documentos clásicos y la información de contratación de CV.
CV Tech Guide crea un planeta de conocimiento libre . Siga la cuenta de WeChat de la cuenta oficial para agregar editores e invitaciones para unirse.
El planeta del conocimiento está en construcción. Los miembros que puedan escribir lo siguiente pueden ponerse en contacto conmigo (WeChat: FewDesire, ID: Como si hubiera luz). Tenga en cuenta "dirección de investigación-ubicación-ID" antes de agregar
-
Un tutorial desde la entrada a TVM a la práctica
-
Tutorial de introducción a la práctica de TensorRT
-
Un tutorial de introducción a la práctica para MNN
-
Procesamiento de imágenes digitales y tutorial de introducción a la práctica de Opencv (debe incluir la teoría del procesamiento de imágenes digitales y la práctica de opencv)
-
Tutorial de entrada a la práctica de OpenVINO
-
Una introducción al tutorial de libtorch
-
Tutorial de introducción a la práctica de Oneflow
-
Detectron tutorial de introducción a la práctica
-
Tutorial de introducción a la práctica de CUDA
-
lectura de código fuente de café
-
lectura del código fuente de pytorch
-
Aprendizaje profundo desde principiante hasta competente (comenzando con redes neuronales convolucionales)
-
Interpretación de la última cumbre. Por ejemplo, el reciente documento CVPR2022.
-
Revisión sistemática de varias direcciones, desarrollo y evolución de los principales modelos, ideas innovadoras y ventajas y desventajas de cada modelo, análisis de código, etc. (Escríbalo en varios artículos, no es suficiente escribir demasiado simple, es mejor escribir un artículo con un modelo importante)
-
Si tienes algo que quieras escribir que no esté mencionado anteriormente, puedes contactarme.