半夜打老虎

摘要： Paper: 《GroupViT: Semantic Segmentation Emerges from Text Supervision》 Code: https://github.com/NVlabs/GroupViT 一、大体内容 前面提到的LSeg只是借鉴CLIP利用文本编码器和图像编码器， 阅读全文

摘要： Paper: 《LANGUAGE-DRIVEN SEMANTIC SEGMENTATION》 Code: https://github.com/isl-org/lang-seg 一、大体内容 前面CLIP中提到后续很多工作对其进行了扩展，本文提出了的LSeg 模型，就是借鉴CLIP利用文本编码器和图 阅读全文

摘要： Paper: 《Learning Transferable Visual Models From Natural Language Supervision》 Code: https://github.com/openai/CLIP 一、大体内容 CLIP(Contrastive Language–I 阅读全文

摘要： 前面记录了Detr及其改进Deformable Detr。这一篇记录一下用Detr训练自己的数据集。先看下Detr附录中给出的大体源码，整体非常清晰。 接下来记录大体实现过程 一、数据准备 借助labelme对数据进行标注 然后将标注数据转换成COCO格式，得到以下几个文件 其中JPEGImages 阅读全文

摘要： PDF：https://arxiv.org/pdf/2010.04159 Code：https://github.com/fundamentalvision/Deformable-DETR 一、大体内容 前面介绍DETR时，说明了其还存在对小物体检测效果不佳和训练慢的问题，Deformable DE 阅读全文

摘要： PDF: https://arxiv.org/pdf/2005.12872 Code: https://github.com/facebookresearch/detr 一、大体内容 DETR（DEtection TRansformer）基于Transformer提出了一个全新的端到端的目标检测框架 阅读全文

摘要： 一、大体内容 PDF：https://arxiv.org/pdf/2103.14030 CODE：https://github.com/microsoft/Swin-Transformer 前面提出的ViT将Transformer引入到了视觉领域，但其重点解决了分类问题，其采用单一尺度提取特征对后续 阅读全文

摘要： 一、大体内容 PDF: https://arxiv.org/abs/2111.06377 CODE: https://github.com/facebookresearch/mae (原文采用tensorflow 和 TPU 没有开源) 前面已经介绍了Transformer、BERT、ViT，这里理 阅读全文

摘要： PDF: https://arxiv.org/abs/2010.11929 CODE: https://github.com/google-research/vision_transformer 一、大体内容 前面介绍了Transformer及其在NLP领域的两大发展方向BERT和GPT，但当时Tr 阅读全文

摘要： 前面讲解了GPT、BERT相关内容，这一篇记录剩下GPT-2、GPT-3、GPT-4。 相关资料 GPT1: Improving Language Understanding by Generative Pre-Training GPT2: Language Models are Unsupervi 阅读全文