DCNv4

DCNv4

为视觉应用设计的高效算子,通过优化空间聚合和内存访问

DCNv4是一种为视觉应用设计的高效算子。通过优化空间聚合和内存访问,它解决了DCNv3的局限性。DCNv4在图像分类、分割和生成等任务中表现优异,收敛和处理速度显著提升,前向速度提高3倍以上。其卓越的性能和效率使DCNv4成为未来视觉模型的潜力基础构建块。

DCNv4可变形卷积计算机视觉深度学习神经网络Github开源项目

DCNv4

新闻

  • 2024年1月15日: 🚀 与InternImage相比,采用DCNv4的新型FlashInternImage具有更快的推理速度、更快的收敛速度和更好的性能!!!
  • 2024年1月15日: 🚀 "DCNv4"发布了!

简介

我们推出了可变形卷积v4(DCNv4),这是一种高效且有效的算子,专为广泛的视觉应用而设计。DCNv4通过两个关键改进解决了其前身DCNv3的局限性:1. 移除空间聚合中的softmax归一化,以增强其动态特性和表达能力;2. 优化内存访问以最小化冗余操作,从而提高速度。这些改进使得DCNv4相比DCNv3具有显著更快的收敛速度,处理速度也大幅提升,DCNv4的前向速度提高了三倍以上。

DCNv4在各种任务中表现出色,包括图像分类、实例和语义分割,尤其是图像生成。当集成到潜在扩散模型中的U-Net等生成模型时,DCNv4优于其基准模型,突显了其增强生成模型的可能性。

在实际应用中,将InternImage模型中的DCNv3替换为DCNv4以创建FlashInternImage,在不做进一步修改的情况下,速度提升最高可达80%,并进一步提高了性能。

DCNv4在速度和效率方面的进步,加上其在各种视觉任务中的强大表现,展示了其作为未来视觉模型基础构建块的潜力。

已发布模型

<details> <summary> ImageNet图像分类 </summary> <br> <div>
名称预训练分辨率acc@1参数量下载
FlashInternImage-TImageNet-1K224x22483.630Mckpt | cfg
FlashInternImage-SImageNet-1K224x22484.450Mckpt | cfg
FlashInternImage-BImageNet-1K224x22484.997Mckpt | cfg
FlashInternImage-LImageNet-22K384x38488.1223Mckpt | cfg
</div> </details> <details> <summary> COCO目标检测和实例分割 </summary> <br> <div>
骨干网络方法训练策略边界框mAP掩码mAP配置下载
FlashInternImage-TMask-RCNN1x48.043.1configckpt | log
FlashInternImage-TMask-RCNN3x49.544.0configckpt | log
FlashInternImage-SMask-RCNN1x49.244.0configckpt | log
FlashInternImage-SMask-RCNN3x50.544.9configckpt | log
FlashInternImage-BMask-RCNN1x50.144.5configckpt | log
FlashInternImage-BMask-RCNN3x50.645.4configckpt | log
主干网络方法训练计划边界框mAP掩码mAP配置下载
:------------::---------::---------::-----::------::---::---:
FlashInternImage-LCascade Mask R-CNN1x55.648.2配置模型 | 日志
FlashInternImage-LCascade Mask R-CNN3x56.748.9配置模型
主干网络方法学习率类型预训练训练计划边界框mAP配置下载
FlashInternImage-TDINO分层学习率ImageNet-1K1x54.7配置模型 | 日志
FlashInternImage-SDINO分层学习率ImageNet-1K1x55.3配置模型 | 日志
FlashInternImage-BDINO分层学习率ImageNet-1K1x56.0配置模型 | 日志
FlashInternImage-LDINO0.1倍主干网络学习率ImageNet-22K1x58.8配置模型 | 日志
</div> </details> <details> <summary> ADE20K语义分割 </summary> <br> <div>
主干网络方法分辨率mIoU (单尺度/多尺度)配置下载
FlashInternImage-TUperNet512x51249.3 / 50.3配置模型 | 日志
FlashInternImage-SUperNet512x51250.6 / 51.6配置模型 | 日志
FlashInternImage-BUperNet512x51252.0 / 52.6配置模型 | 日志
FlashInternImage-LUperNet640x64055.6 / 56.0配置模型 | 日志
主干网络方法分辨率mIoU (单尺度)配置下载
:--------------::----------::----------::-----------::-----------::----------:
FlashInternImage-TMask2Former512x51251.2配置文件模型权重 | 日志
FlashInternImage-SMask2Former640x64052.6配置文件模型权重 | 日志
FlashInternImage-BMask2Former640x64053.4配置文件模型权重 | 日志
FlashInternImage-LMask2Former640x64056.7配置文件模型权重 | 日志
</div> </details>

引用

如果本工作对您的研究有帮助,请考虑引用以下BibTeX条目。

@article{xiong2024efficient, title={高效可变形卷积网络:重新思考视觉应用中的动态和稀疏算子}, author={熊宇文 and 李志琦 and 陈云涛 and 王峰 and 朱熙洲 and 罗佳鹏 and 王文海 and 陆通 and 李鸿升 and 乔宇 and 路乐为 and 周杰 and 戴继峰}, journal={arXiv预印本 arXiv:2401.06197}, year={2024} } @article{wang2022internimage, title={InternImage: 探索具有可变形卷积的大规模视觉基础模型}, author={王文海 and 戴继峰 and 陈哲 and 黄振航 and 李志琦 and 朱熙洲 and 胡晓伟 and 陆通 and 路乐为 and 李鸿升 and 其他}, journal={arXiv预印本 arXiv:2211.05778}, year={2022} } @inproceedings{zhu2022uni, title={Uni-perceiver: 预训练统一架构用于零样本和少样本任务的通用感知}, author={朱熙洲 and 朱静国 and 李浩 and 吴晓石 and 李鸿升 and 王晓华 and 戴继峰}, booktitle={CVPR}, pages={16804--16815}, year={2022} } @article{zhu2022uni, title={Uni-perceiver-moe: 利用条件专家混合学习稀疏通用模型}, author={朱静国 and 朱熙洲 and 王文海 and 王晓华 and 李鸿升 and 王晓刚 and 戴继峰}, journal={arXiv预印本 arXiv:2206.04674}, year={2022} } @article{li2022uni, title={Uni-Perceiver v2: 用于大规模视觉和视觉语言任务的通用模型}, author={李浩 and 朱静国 and 姜晓虎 and 朱熙洲 and 李鸿升 and 袁春 and 王晓华 and 乔宇 and 王晓刚 and 王文海 and 其他}, journal={arXiv预印本 arXiv:2211.09808}, year={2022} } @article{yang2022bevformer, title={BEVFormer v2: 通过透视监督将现代图像骨干网络适配到鸟瞰图识别}, author={杨晨宇 and 陈云涛 and 田浩 and 陶晨鑫 and 朱熙洲 and 张兆翔 and 黄高 and 李宏阳 and 乔宇 and 路乐为 and 其他}, journal={arXiv预印本 arXiv:2211.10439}, year={2022} } @article{su2022towards, title={走向全能预训练:通过最大化多模态互信息}, author={苏伟杰 and 朱熙洲 and 陶晨鑫 and 路乐为 and 李斌 and 黄高 and 乔宇 and 王晓刚 and 周杰 and 戴继峰}, journal={arXiv预印本 arXiv:2211.09807}, year={2022} } @inproceedings{li2022bevformer, title={BEVFormer: 通过时空变换器从多摄像头图像学习鸟瞰图表示}, author={李志琦 and 王文海 and 李宏阳 and 谢恩泽 and 司马重豪 and 陆通 and 乔宇 and 戴继峰}, booktitle={ECCV}, pages={1--18}, year={2022}, }

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多