针对单目深度估计网络庞大的参数量和计算量，提出一种轻量金字塔解码结构的单目深度估计网络，可以在保证估计精度的情况下降低网络模型的复杂度、减少运算时间。该网络基于编解码结构，以端到端的方式估计单目图像的深度图。编码端使用ResNet50网络结构；在解码端提出了一种轻量金字塔解码模块，采用深度空洞可分离卷积和分组卷积以提升感受野范围，同时减少了参数量，并且采用金字塔结构融合不同感受野下的特征图以提升解码模块的性能；此外，在解码模块之间增加跳跃连接实现知识共享，以提升网络的估计精度。在NYUD v2数据集上的实验结果表明，与结构注意力引导网络相比，轻量金字塔解码结构的单目深度估计网络在误差RMS的指标上降低约11.0%，计算效率提升约84.6%。

基于微信小程序的BIM轻量化模型浏览系统的设计与实现.pdf

Oracle数据库连接工具PLSQL轻桌面工具包，安装PLSQL必须下载轻桌面工具包

一个轻量化模型，在经典openpose上做出了相应改进 可用于多人的、实时的姿态估计并记录每个人的id进行跟踪 深度学习--网络模型简单化 很方便的集成到python C++环境中 适合对计算机视觉研究者深入探索

雷云3轻量化安装包.zip

HiddenLayer - 面向PyTorch/Tensorflow的神经网络图和训练度量的轻量库

AD封装带3D TA-1120 4X4X5 轻触开关封装 sw 自已第一次做带3D的封装。

轻量化json......................

运行顺序：第一步 原始训练，得到一个最优mAP等评价指标，记录在小本本上。 第二步：通过调整BN稀疏值（main 参数中的sr），运行train_sparity.py稀疏训练得到一个稍微小一点点的模型（和原始的精度比较，看看哪个稀疏值最好~） 第三步：将上一步的训练好的last.pt 放到prune.py 中进行剪枝，控制剪枝率；剪枝好的模型，在根目录下：pruned_model.pt 是fp32的，你除以2会得到最后的模型大小 第四步：Finetune，用刚刚的pruned模型重新训练，得到最优模型，就是最小且最快，且最好的啦~（和原始和稀疏训练的比较一下哦） 博文链接：https://blog.csdn.net/qq_46098574/article/details/125174256

Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Everything轻量搜索软件Ever