近年来，目睹了卷积神经网络（CNN）在各种计算机视觉和人工智能应用中的广泛普及。
然而，功能的提高是以大量密集的计算复杂性为代价的，这阻碍了它在诸如移动或嵌入式设备之类的资源受限的应用中的使用。
尽管人们越来越关注内部网络结构的加速，但很少考虑视觉输入的冗余性。
在本文中，我们首次尝试直接从视觉输入中减少CNN加速的空间和通道冗余。
所提出的方法称为ESPACE（消除空间和信道冗余），它通过以下三个步骤起作用：首先，通过一组低秩的卷积滤波器降低卷积层的3D通道冗余度。
其次，提出了一种新颖的基于掩模的选择性处理方案，该方案通过跳过视觉输入的不显着空间位置来进一步加快卷积操作。
第三，通过反向传播使用训练数据对加速网络进行微调。
在ImageNet2012上评估了提出的方法，并在两个广泛采用的CNN（即AlexNet和GoogLeNet）上实现了该方法。
与CNN加速的几种最新方法相比，该方案已证明在AlexNet和GoogLeNet上分别以5.48倍和4.12倍的加速比提供了最新的加速功能，而分类精度的下降却最小。
然而，功能的提高是以大量密集的计算复杂性为代价的，这阻碍了它在诸如移动或嵌入式设备之类的资源受限的应用中的使用。
尽管人们越来越关注内部网络结构的加速，但很少考虑视觉输入的冗余性。
在本文中，我们首次尝试直接从视觉输入中减少CNN加速的空间和通道冗余。
所提出的方法称为ESPACE（消除空间和信道冗余），它通过以下三个步骤起作用：首先，通过一组低秩的卷积滤波器降低卷积层的3D通道冗余度。
其次，提出了一种新颖的基于掩模的选择性处理方案，该方案通过跳过视觉输入的不显着空间位置来进一步加快卷积操作。
第三，通过反向传播使用训练数据对加速网络进行微调。
在ImageNet2012上评估了提出的方法，并在两个广泛采用的CNN（即AlexNet和GoogLeNet）上实现了该方法。
与CNN加速的几种最新方法相比，该方案已证明在AlexNet和GoogLeNet上分别以5.48倍和4.12倍的加速比提供了最新的加速功能，而分类精度的下降却最小。
2023/2/21 22:04:53
384KB
1
中科院（亚洲人）人脸数据集[计算机视觉人脸辨认]该资源共有500组图片数据，每组数据有5份，共计2500份训练数据。
分别为part1(1-99)、part2(100-199)、part3(200-299)、part4(300-399)、part5(400-499)；
因数据量过大，分5次上传，欢迎大家下载。
分别为part1(1-99)、part2(100-199)、part3(200-299)、part4(300-399)、part5(400-499)；
因数据量过大，分5次上传，欢迎大家下载。
2023/2/6 20:46:11
185.16MB
1
医学图像十项全能应战赛里面的CT数据来源：http://medicaldecathlon.com/由于大小限制，只上传了训练数据的部分图像和mask（不全）
2016/1/15 20:41:24
664.16MB
1
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理
2019/1/3 7:27:21
34.25MB
1
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理；
运用到的舌头图像数据，进行了简单的图像预处理
2017/8/21 22:08:02
34.25MB
1
先把训练数据写到matlab的矩阵变量里，第一列是label,其他列是相应的训练或测试数据，运行程序即可，注意修改一下程序中的打印命令。
2015/9/8 16:39:13
323B
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB