侵权投诉

完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>

3天内不再提示

如何在移动设备上训练和部署自定义目标检测模型

yingjiansanrenxing 来源:TensorFlow 作者: Khanh LeVie 2021-08-16 17:09 次阅读

发布人:技术推广工程师 Khanh LeViet,代表 TensorFlow Lite 团队

设备端 ML 学习路径:关于如何在移动设备上,训练和部署自定义目标检测模型的分步教程,无需机器学习专业知识。

设备端 ML 学习路径

https://developers.google.com/learn/pathways/going-further-object-detection

EfficientDet-Lite:针对移动设备优化的精尖目标检测模型架构。

EfficientDet-Lite

https://hub.tensorflow.google.cn/s?deployment-format=lite&q=efficientdet-lite

用于目标检测的 TensorFlow Lite Model Maker:只需几行代码即可训练自定义模型

目标检测

http://tensorflow.google.cn/lite/tutorials/model_maker_object_detection

TensorFlow Lite Metadata Writer API:简化元数据创建以生成与 TFLite Task Library 兼容的自定义目标检测模型。

Metadata Writer API

http://tensorflow.google.cn/lite/convert/metadata_writer_tutorial

TFLite Task Library

http://tensorflow.google.cn/lite/inference_with_metadata/task_library/object_detector

尽管目标检测是非常常见的 ML 用例,但可能也是最难执行的用例之一。我们一直致力于为您简化相关操作。在这篇文章中,我们将向您介绍如何利用 TensorFlow Lite 的最新产品、通过使用您自己的训练数据构建最先进的移动端目标检测。

设备端 ML 学习路径:

在 12 分钟内了解如何训练和部署自定义 TensorFlow Lite 目标检测模型

有了 TensorFlow Lite,训练自定义目标检测模型并将其部署到 Android 应用变得非常容易。我们已经发布了学习路径,可指导您按步骤顺利完成相关操作。

您可以通过视频了解构建自定义目标检测器的具体步骤:

1. 准备训练数据。

2. 使用 TensorFlow Lite Model Maker 训练自定义目标检测模型。

3. 使用 TensorFlow Lite Task Library 在您的移动应用上部署模型。

我们还在 GitHub 上提供了带有源代码的 Codelab,供您自行试运行代码。请尝试一下,并告诉我们您的反馈!

Codelab

https://codelabs.developers.google.com/tflite-object-detection-android

告诉我们

https://github.com/googlecodelabs/odml-pathways/issues

EfficientDet-Lite:

移动端设备目标检测最优模型架构之一

在移动设备上运行机器学习模型意味着我们始终需要在模型精度、推理速度和模型大小之间进行权衡。最优的移动端模型不仅需要更加精准,还需要更快地运行速度和更小的体积。我们采用了 EfficientDet 论文中发布的神经架构搜索技术,并优化了在移动设备上运行的模型架构,最终推出了名为 EfficientDet-Lite 的新型移动设备目标检测模型系列。

EfficientDet

https://arxiv.org/abs/1911.09070

EfficientDet-Lite 有 5 个不同的版本:从 Lite0 到 Lite4。较小的版本运行速度更快,而较大的版本精度更高。您可以先用多个版本的 EfficientNet-Lite 进行试验,然后选择最适合您用例的版本。

* 整型量化模型的大小

** 在 Pixel 4 上使用 4 个 CPU 线程测量得出的延迟时间

*** 平均精度是 COCO 2017 验证数据集上的 mAP(平均精度均值)

我们已将在 COCO 数据集上训练的 EfficientDet-Lite 模型发布到 TensorFlow Hub。您还可以使用自己的训练数据,通过 TensorFlow Lite Model Maker 训练 EfficientDet-Lite 自定义模型。

TensorFlow Hub

https://hub.tensorflow.google.cn/s?q=efficientdet/lite

TensorFlow Lite Model Maker:几行代码使用迁移学习训练自定义目标检测模型

TensorFlow Lite Model Maker 是 Python 库,可显著简化使用自定义数据集训练机器学习模型的过程。该库利用迁移学习,仅使用少量图像即可训练高质量模型。

TensorFlow Lite Model Maker

http://tensorflow.google.cn/lite/guide/model_maker

Model Maker 接受 PASCAL VOC 格式和 Cloud AutoML 的 CSV 格式的数据集。和使用 LabelImg 或 makesense.ai 等开源 GUI 工具创建自己的数据集一样,每位开发者都可以创建用于 Model Maker 的训练数据,且无需编写任何代码。

CSV

https://cloud.google.com/vision/automl/object-detection/docs/csv-format

LabelImg

https://github.com/tzutalin/labelImg

makesense.ai

https://github.com/SkalskiP/make-sense

获得训练数据后,您就可以开始训练自定义的 TensorFlow Lite 目标检测模型了。

# Step 1: Choose the model architecture

spec = model_spec.get(‘efficientdet_lite2’)

# Step 2: Load your training data

train_data, validation_data, test_data = object_detector.DataLoader.from_csv(‘gs://cloud-ml-data/img/openimage/csv/salads_ml_use.csv’)

# Step 3: Train a custom object detector

model = object_detector.create(train_data, model_spec=spec, validation_data=validation_data)

# Step 4: Export the model in the TensorFlow Lite format

model.export(export_dir=‘。’)

# Step 5: Evaluate the TensorFlow Lite model

model.evaluate_tflite(‘model.tflite’, test_data)

查看此 Codelab 了解详情。

Codelab

http://tensorflow.google.cn/lite/tutorials/model_maker_object_detection

TensorFlow Lite Task Library:使用几行代码在移动设备上部署目标检测模型

TensorFlow Lite Task Library 是跨平台库,它简化了 TensorFlow Lite 模型在移动设备上的部署。使用 TensorFlow Lite Model Maker 训练的自定义目标检测模型只需使用几行 Kotlin 代码即可部署到 Android 应用:

// Step 1: Load the TensorFlow Lite model

val detector = ObjectDetector.createFromFile(context, “model.tflite”)

// Step 2: Convert the input Bitmap into a TensorFlow Lite‘s TensorImage object

val image = TensorImage.fromBitmap(bitmap)

// Step 3: Feed given image to the model and get the detection result

val results = detector.detect(image)

您可参阅一下文档,了解有关 Task Library 中,包括如何配置最小检测阈值或最大检测对象数量等更多自定义选项信息。

文档

https://tensorflow.google.cn/lite/inference_with_metadata/task_library/object_detector

TensorFlow Lite Metadata Writer API:

用于简化使用 TensorFlow Object Detection API 训练的自定义模型的部署

Task Library 依赖 TensorFlow Lite 模型中捆绑的模型元数据来执行必要的预处理和后处理逻辑,以便使用该模型来运行推理。这其中包括如何将输入图像归一化,或如何将类 ID 映射到可人工读取的标签。因为使用 Model Maker 训练的模型会默认包含此类元数据,所以它能够与 Task Library 兼容。但是,如果您使用除 Model Maker 以外的训练流水线,来训练 TensorFlow Lite 目标检测,则可以使用 TensorFlow Lite Metadata Writer API 来添加元数据。

模型元数据

https://tensorflow.google.cn/lite/convert/metadata

例如,如果您使用 TensorFlow Object Detection API 来训练模型,则可以使用以下 Python 代码将元数据添加到 TensorFlow Lite 模型:

LABEL_PATH = ’label_map.txt‘

MODEL_PATH = “ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8/model.tflite”

SAVE_TO_PATH = “ssd_mobilenet_v2_fpnlite_640x640_coco17_tpu-8/model_with_metadata.tflite”# Step 1: Specify the preprocessing parameters and label file

writer = object_detector.MetadataWriter.create_for_inference(

writer_utils.load_file(MODEL_PATH), input_norm_mean=[0],

input_norm_std=[255], label_file_paths=[LABEL_PATH])

# Step 2: Export the model with metadata

writer_utils.save_file(writer.populate(), SAVE_TO_PATH)

在示例中,我们指定归一化参数 (input_norm_mean=[0], input_norm_std=[255]) ,以便将输入图像归一化到 [0..1] 范围内。您需要指定与模型训练期间使用的预处理逻辑中相同的归一化参数。

归一化

http://tensorflow.google.cn/lite/convert/metadata#normalization_and_quantization_parameters

参阅此 Colab,获取有关如何将使用 TensorFlow Object Detection API 训练的模型转换为 TensorFlow Lite 模型并添加元数据的完整教程。

Colab

https://colab.research.google.com/github/tensorflow/models/blob/master/research/object_detection/colab_tutorials/convert_odt_model_to_TFLite.ipynb

未来计划

我们的目标是让每位开发者(无论是否具备机器学习专业知识)都能更轻松使用机器学习。目前,我们正在与 TF Model Garden 团队合作,希望推出更多适用于 Model Maker 的目标检测模型架构。

未来,我们还将继续与 Google 研究人员合作,通过 Model Maker 提供更多面向未来的更优秀的目标检测模型,缩短从前沿研究到投入实际应用并且供所有开发者使用的整个流程。敬请关注更多动态!

编辑:jq

原文标题:使用 TensorFlow Lite 简化移动端目标检测

文章出处:【微信号:yingjiansanrenxing,微信公众号:硬件三人行】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    WT32-SC01的自动运行在哪里可以设置呢

    WT32-SC01在git hub下载,固件刷进去,好像是自动运行,在哪里可以设置?...
    发表于 01-14 06:47 0次 阅读

    切断电源后在哪里播放HGTV

    AhmadDanialZulhilmi/ShutterstockAhmadDanialZulhilm....
    发表于 01-06 13:10 17次 阅读
    切断电源后在哪里播放HGTV

    1012编译openwrt是github上的开源代码吗

    1012编译openwrt用的是哪个版本?是github上的开源代码吗?还是专门提供的版本,给的资料里面没有openwrt的源码,也没说用哪个。...
    发表于 01-05 06:20 0次 阅读

    谷歌推出 Google 移动广告 SDK (Flutter) 正式版

    应用变现有多种方法: 通过实体企业的店面接受付款、提供订阅或应用内购买,或者直接在应用中投放广告。经....
    的头像 谷歌开发者 发表于 01-01 09:13 225次 阅读

    公共 GitHub repo的 secret 泄漏有多严重

    我们已经正式发布了 Dart SDK 的 2.15 版本,该版本新增了可快速并发的工作器 isola....
    的头像 谷歌开发者 发表于 12-29 15:57 343次 阅读

    请问大佬我这git命令是挂了吗?

    $ git clone  into 'NodeBB'...fatal: Out of memory, malloc failed (tried to allocate 5242880000 bytes) ...
    发表于 12-29 06:18 0次 阅读

    自制小型USB TO TTL串口工具

    文件目录说明 1.Gerber 内含Gerber文件(Gerber_PCB_USB-TO_TTL.....
    发表于 12-28 19:53 27次 阅读
    自制小型USB TO TTL串口工具

    电路方案分析(六)USB-CAN

    之前在工作的过程中,无意的了解到USBCAN卡,这玩意看起来烂大街的东西竟然还那么贵。USB-CAN....
    发表于 12-28 19:41 36次 阅读
    电路方案分析(六)USB-CAN

    Arduino IDE下的stm32环境搭建、OLED液晶显示(U8g2lib库)、NUCLEO-F411测试、STM32F103C8T6在Arduino下的液晶显示、

    最近在淘宝上看到NUCLEO-F411RE能兼容Arduino,于是入手一块玩玩。于是查找资料搭建化....
    发表于 12-27 19:01 31次 阅读
    Arduino IDE下的stm32环境搭建、OLED液晶显示(U8g2lib库)、NUCLEO-F411测试、STM32F103C8T6在Arduino下的液晶显示、

    《航空学报》—数字孪生及其在航空航天中的应用

    数字孪生及其在航空航天中的应用   来源:《航空学报》,作者孟松鹤等 摘要 : 数字孪生已引起国内外....
    发表于 12-23 09:08 36次 阅读

    潘多拉开发板SFUD初始化失败问题[SFUD] Error W25Q128 flash device is initialize fail

    【已解决】潘多拉开发板SFUD初始化失败问题[SFUD] Error: W25Q128 flash ....
    发表于 12-22 19:44 43次 阅读
    潘多拉开发板SFUD初始化失败问题[SFUD] Error W25Q128 flash device is initialize fail

    “华为天才少年”自制百大Up奖杯,网友:技术难度不高侮辱性极强

    来源:雷锋网B站硬核黑科技Up主、AI算法工程师稚晖君,停更了好一阵子后,这位自称野生钢铁侠的超硬核....
    发表于 12-22 19:10 38次 阅读
    “华为天才少年”自制百大Up奖杯,网友:技术难度不高侮辱性极强

    推荐一个基于SpringBoot + Mybatis + Vue的代码生成器

    程序员的成长之路互联网/程序员/技术/资料共享关注阅读本文大概需要 1 分钟。来自:网络简介一款代码....
    发表于 12-22 18:53 23次 阅读
    推荐一个基于SpringBoot + Mybatis + Vue的代码生成器

    加速下载ardupilot工程

    本文是从“Ardupilot移植经验分享(1)-下载太慢或者失败”中拆分出来,因为内容较多。请注意,....
    发表于 12-22 18:52 21次 阅读
    加速下载ardupilot工程

    Flutter 的持续发展势头

    在新的一年到来之际,我们为大家带来 Flutter 的重大版本更新以及多项新功能和改进,以优化移动设....
    的头像 谷歌开发者 发表于 12-21 16:24 474次 阅读

    Google Cloud 2022 中国出海数字峰会带来哪些前沿应用和最新动态

    面向中国出海企业和开发者的 Google Cloud 中国出海数字峰会将于 2022 年 1 月 2....
    的头像 谷歌开发者 发表于 12-21 16:14 562次 阅读

    扒一个超棒的stm32的开源usb-can项目,canable及PCAN固件

    作者:yefeng022,来源:公众号单片机爱好者微信公众号:芯片之家(ID:chiphome-dy....
    发表于 12-20 18:55 52次 阅读
    扒一个超棒的stm32的开源usb-can项目,canable及PCAN固件

    自行编译micropython固件刷入ESP32 cam,并测试拍照及图传

    一、环境准备1.Ubuntu20.04LTS2.ESP-IDF3.micropython操作步骤1.....
    发表于 12-17 18:42 99次 阅读
    自行编译micropython固件刷入ESP32 cam,并测试拍照及图传

    初学MSP430

    1、 关闭看门狗WDTCTL = WDTPW + WDTHOLD;2、 通用 I/O 口的设置I/O....
    发表于 12-16 16:56 28次 阅读
    初学MSP430

    什么是WebRTC

    什么是WebRTC?WebRTC,即Web Real-Time Communication(网页即时通信)。它是一个开源项目,旨在创建简单、标准化的...
    发表于 12-09 07:59 0次 阅读

    “搏一搏,单车变摩托!”华为天才少年耗时四个月,将自行车强势升级为自动驾驶...

    整理 | 苏宓出品 | CSDN(ID:CSDNnews)自动驾驶火出天际的时代,自行车能「金鸡独立....
    发表于 12-07 13:51 78次 阅读
    “搏一搏,单车变摩托!”华为天才少年耗时四个月,将自行车强势升级为自动驾驶...

    WebRTC技术为什么突然崛起了?

    什么是WebRTC?WebRTC,即Web Real-Time Communication(网页即时....
    发表于 11-26 17:21 55次 阅读
    WebRTC技术为什么突然崛起了?

    TikTok和抖音全球总安装量约33亿次 将近1000款应用围绕其推出

    近日,根据最新的数据显示,目前TikTok和抖音在全球App Store和Google Play的累....
    的头像 lhl545545 发表于 11-25 15:03 774次 阅读

    使用OpenVINO™ 部署PaddleSeg模型库中的DeepLabV3+模型

          01 概述     本文是OpenVINO 工具套件与百度飞桨PaddlePaddle模....
    的头像 英特尔物联网 发表于 11-22 14:58 558次 阅读
    使用OpenVINO™ 部署PaddleSeg模型库中的DeepLabV3+模型

    GitHub入门与实践

    GitHub入门与实践
    发表于 11-21 10:40 103次 阅读

    《上海交通大学学报》—基于深度强化学习的区域化视觉导航方法

    基于深度强化学习的区域化视觉导航方法 人工智能技术与咨询  本文来自《 上海交通大学学报 》,作者李....
    发表于 11-19 11:03 56次 阅读
    《上海交通大学学报》—基于深度强化学习的区域化视觉导航方法

    Android 12L 预览: 适用于大屏幕的功能更新

    作者 / 工程副总裁 Dave Burke 目前,超过 2.5 亿台大屏幕设备搭载了 Android....
    的头像 谷歌开发者 发表于 11-12 09:26 527次 阅读

    合宙新一代物联网开源操作系统LuatOS,开启行业嵌入式开发新生态!

    合宙新一代物联网开源操作系统LuatOS,开启行业嵌入式开发新生态!开源开放,创新突破,让万物互联更....
    发表于 11-03 12:21 102次 阅读
    合宙新一代物联网开源操作系统LuatOS,开启行业嵌入式开发新生态!

    哪些工具可以让嵌入式开发事半功倍?详细盘点嵌入式工程师必备工具!

    平时上课的时候,我们都习惯了使用vim来写代码,好像在嵌入式开发中一个vim可以走天下。就跟有些从事....
    发表于 11-03 11:21 61次 阅读
    哪些工具可以让嵌入式开发事半功倍?详细盘点嵌入式工程师必备工具!

    VScode嵌入式开发以及结合Git使用(Github/Coding)

    VScode (全称Visual Studio Code) ,该编辑器也集成了所有一款现代编辑器所应....
    发表于 11-02 20:21 50次 阅读
    VScode嵌入式开发以及结合Git使用(Github/Coding)

    GitHub标星139K的:“嵌入式Linux系统开发教程”

    本文将系统地讲解嵌入式Linux开发流程中的各个步骤,详细解析各个流程中的疑点、难点。本书分3个部分....
    发表于 11-01 16:57 51次 阅读
    GitHub标星139K的:“嵌入式Linux系统开发教程”

    【国产MCU移植】看看有没有你需要的,一起来查漏补缺吧!(附已报名的硬件)...

    2020年下半年开始,史无前例的芯片缺货潮拉开大幕。供需失衡之下,芯片的交期和价格不断拉升,其中以国....
    发表于 10-29 09:21 79次 阅读
    【国产MCU移植】看看有没有你需要的,一起来查漏补缺吧!(附已报名的硬件)...

    Keil MDK升级至V5.36,MCU要转向28nm?

    关注+星标公众号,不错过精彩内容素材来源 |网络编排 | strongerHuang上午好,今天为大....
    发表于 10-29 09:06 86次 阅读
    Keil MDK升级至V5.36,MCU要转向28nm?

    NodeMCU(ESP-12E)+阿里云实现数据上传和控制继电器开锁

    源码及工具下载:https://github.com/RL-Y/NodeMCU-aliyun.git....
    发表于 10-28 12:06 51次 阅读
    NodeMCU(ESP-12E)+阿里云实现数据上传和控制继电器开锁

    Google Play管理中心用户管理全新设计

    用户管理在任何规模的企业中都担任着重要角色,其中的挑战在于如何确保每位团队成员都拥有合适的权限来履行....
    的头像 谷歌开发者 发表于 10-28 11:12 673次 阅读

    关于自双模式基类

    短连接与长连接这两种模式有何区别?
    发表于 09-30 08:23 0次 阅读

    基于宏高效实现环形缓冲区教程

    来源 | 小麦大叔 循环缓冲区是嵌入式软件工程师在日常开发过程中的关键组件。 多年来,互联网上出现了....
    的头像 strongerHuang 发表于 09-02 09:24 5240次 阅读
    基于宏高效实现环形缓冲区教程

    Pixel 5a拆解,在防水性能下加大的维修难度

    一年未发新机的谷歌终于在近日发售了Pixel系列新品Pixel 5a,虽然搭载的高通骁龙765G芯片....
    的头像 E4Life 发表于 09-01 16:00 2908次 阅读
    Pixel 5a拆解,在防水性能下加大的维修难度

    人工智能和机器学习如何引入物联网无线设计中

    什么是人工智能(AI)? 人工智能(AI)是一个试图模拟人类行为的系统,更具体地说是一个电气和/或机....
    的头像 美信半导体 发表于 09-01 11:12 1694次 阅读

    基于Rust基础上如何去编写一个Linux内核模块

    编者按:近些年来 Rust 语言由于其内存安全性和性能等优势得到了很多关注,尤其是 Linux 内核....
    的头像 开关电源芯片 发表于 08-27 09:59 1778次 阅读

    PX4开发者手册

    参考资料PX4 Github主页:PX4 Github(代码有分支,请查看v1.10.0分支)        PX4开发...
    发表于 08-23 07:42 0次 阅读

    GitHub图片加载失败的修复方法是什么

    HATEOAS是什么意思? UUID是什么?UUID有何作用? GitHub图片加载失败的修复方法是什么? ...
    发表于 08-17 07:25 0次 阅读

    FreeRTOS_中断Github简介

    STM32CubeMX学习笔记——FreeRTOS_中断Github简介任务创建可视化创建方式代码创建方式开关中断Github简介在应用中有...
    发表于 08-13 06:07 0次 阅读

    STM32F1(CAN)GitHub仓库

    STM32F1(CAN)GitHub 仓库:博文不再更新,后续更新会在 GitHub 仓库进行。1,开发环境1,固件库:STM32F10x_Std...
    发表于 08-11 08:16 0次 阅读

    GitHub 嵌入式项目 精选资料分享

    GitHub 上有什么嵌入式方面的项目?关注问题写回答嵌入式系统......
    发表于 08-09 08:39 0次 阅读

    浅析Google Research的LaserTagger和Seq2Edits

    本期导读:近年来,序列到序列(seq2seq)方法成为许多文本生成任务的主流思路,在机器翻译、文本摘....
    的头像 深度学习自然语言处理 发表于 07-23 16:15 668次 阅读

    基于无人机遥感影像的建筑物轮廓目标检测系统

    基于无人机遥感影像的建筑物轮廓目标检测系统
    发表于 07-01 15:40 164次 阅读

    基于Mask RCNN的滤袋开口检测方法综述

    基于Mask RCNN的滤袋开口检测方法综述
    发表于 07-01 15:36 142次 阅读

    揭秘Google和Facebook不用Docker的原因

    写作本文的起因是我想让修改后的分布式 PyTorch 程序能更快的在 Facebook 的集群上启动....
    的头像 Linux爱好者 发表于 06-26 15:37 796次 阅读

    古籍版面分析和风格融合网络结构分析

    古籍版面分析和风格融合网络结构分析
    发表于 06-25 11:45 136次 阅读

    全球首个开源图像识别系统终于上线了!

    说到图像识别相信大家已经非常熟悉了,这一技术早就深深融入我们生活的方方面面,小到人脸解锁、支付、打卡....
    的头像 机器视觉智能检测 发表于 06-23 16:20 819次 阅读

    解读目标检测中的框位置优化

    目标检测已经有了长足的发展,总体来说根据阶段个数,可以划分为Two-stage(Faster RCN....
    的头像 机器视觉智能检测 发表于 06-21 17:40 770次 阅读
    解读目标检测中的框位置优化

    基于单位统计曲率特征匹配的红外目标检测

    基于单位统计曲率特征匹配的红外目标检测
    发表于 06-19 16:20 140次 阅读

    使用Flutter和 Firebase轻松构建Web应用

    我们 (Very Good Ventures 团队) 与 Google 合作,在今年的 Google....
    的头像 谷歌开发者 发表于 06-17 14:29 723次 阅读

    基于改进YOLOv2的遥感图像目标检测技术

    传统遥感图像目标检测方法的时间复杂度高且精准率低,如何快速准确地检测遥感图像中的特定目标成为当前的研....
    发表于 06-16 15:28 152次 阅读

    关于推出适用于设备端推荐的自适应框架

    发布人:Ellie Zhou、Tian Lin、Shuangfeng Li 以及 Sushant P....
    的头像 TensorFlow 发表于 06-15 17:55 1000次 阅读

    目标检测—YOLO的重要性!

    YOLO是什么? 它是One-stage目标检测的代表,整个框架非常简单。与RCNN算法不一样,是以....
    的头像 机器视觉智能检测 发表于 06-10 15:45 1157次 阅读

    一步一步教你如何去发布Python项目开源包?

    注意:本文假设你在 GitHub 上已经有一个想要打包和发布的项目。
    的头像 马哥Linux运维 发表于 06-10 14:22 540次 阅读

    基于改进YOLOv3的行人车辆目标检测算法

    针对YOIO3( you only look once version3)对中小目标检测效果不理想的....
    发表于 05-31 11:12 176次 阅读

    深度学习中的卷积神经网络层级分解综述

    随着深度学习的不断发展,卷积神经网络(CNN)在目标检测与图像分类中受到研究者的广泛关注。CNN从 ....
    发表于 05-19 16:11 184次 阅读