<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="ja">
	<id>http://nogami-nohken.jp/BTDB/index.php?action=history&amp;feed=atom&amp;title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1</id>
	<title>无锡东旭通信 - 版の履歴</title>
	<link rel="self" type="application/atom+xml" href="http://nogami-nohken.jp/BTDB/index.php?action=history&amp;feed=atom&amp;title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1"/>
	<link rel="alternate" type="text/html" href="http://nogami-nohken.jp/BTDB/index.php?title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1&amp;action=history"/>
	<updated>2026-04-12T23:50:34Z</updated>
	<subtitle>このウィキのこのページに関する変更履歴</subtitle>
	<generator>MediaWiki 1.36.2</generator>
	<entry>
		<id>http://nogami-nohken.jp/BTDB/index.php?title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1&amp;diff=1107276&amp;oldid=prev</id>
		<title>2026年2月13日 (金) 17:20にSommerSamuels0による</title>
		<link rel="alternate" type="text/html" href="http://nogami-nohken.jp/BTDB/index.php?title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1&amp;diff=1107276&amp;oldid=prev"/>
		<updated>2026-02-13T17:20:27Z</updated>

		<summary type="html">&lt;p&gt;&lt;/p&gt;
&lt;table style=&quot;background-color: #fff; color: #202122;&quot; data-mw=&quot;interface&quot;&gt;
				&lt;col class=&quot;diff-marker&quot; /&gt;
				&lt;col class=&quot;diff-content&quot; /&gt;
				&lt;col class=&quot;diff-marker&quot; /&gt;
				&lt;col class=&quot;diff-content&quot; /&gt;
				&lt;tr class=&quot;diff-title&quot; lang=&quot;ja&quot;&gt;
				&lt;td colspan=&quot;2&quot; style=&quot;background-color: #fff; color: #202122; text-align: center;&quot;&gt;← 古い版&lt;/td&gt;
				&lt;td colspan=&quot;2&quot; style=&quot;background-color: #fff; color: #202122; text-align: center;&quot;&gt;2026年2月13日 (金) 17:20時点における版&lt;/td&gt;
				&lt;/tr&gt;&lt;tr&gt;&lt;td colspan=&quot;2&quot; class=&quot;diff-lineno&quot; id=&quot;mw-diff-left-l1&quot;&gt;1行目:&lt;/td&gt;
&lt;td colspan=&quot;2&quot; class=&quot;diff-lineno&quot;&gt;1行目:&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td class=&quot;diff-marker&quot; data-marker=&quot;−&quot;&gt;&lt;/td&gt;&lt;td style=&quot;color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;基于DDF操作，我们精心设计了空域作为CNN基础部件的DDF模块（见上图），为此我们期望滤波器预测分支尽可能地轻量。 我们注意到动态滤波器与注意力之间地相关性，我们设计了注意力类型地分类预测空域与通道滤波器。 对于空域滤波器预测分支，我们仅仅采用一个卷积；对于通道滤波器预测分支，我们采用了类似SE注意力地结构，即GAP+FC+ReLU+FC。 由于直接预测生成的滤波器可能非常大，也可能非常小，直接使用可能导致训练不稳定。&amp;lt;br&amp;gt;那是否存在一种卷积能够同时提升模型表达能力，并且计算成本小呢？ 卷积作为CNN的基础部件之一，尽管常用，但存在两个主要缺陷：(1) 内容不可知；(2) 重度计算量。 动态滤波器具有内容自适应特性，但同时进一步提升了计算量。 深度(depth-wise)卷积是一种轻量型版本，但它往往会造成CNN性能下降，或者需要更大的通道数。 Dynamic Filter&amp;amp;nbsp;不同于标准卷积，动态滤波器利用额外的自网络对每个像素生成滤波器，即上述公式中的空域不变滤波器将变为空域可变滤波器。&amp;lt;br&amp;gt;我们进行了如下滤波器规范化(FN的设计参考了BN)： Computational Complexity 计算复杂度 上表对比了标准卷积、深度卷积、动态滤波器卷积以及本文所提DDF在参数量、计算量、显存占用方面的对比。 从中空域看到： 上表对比了不同卷积在不同分辨率下的实际耗时对比，可以看到：DDF算子的耗时明显更低。 总而言之，DDF具有与深度卷积相近的推理耗时，且推理速度快于标准卷积、动态滤波器。 值得注意的是，尽管生成了内容自适应滤波器，DDF的参数量仍然小于标准卷积的参数量。 ODF光纤配线箱，是专为光纤通信机房设计的光纤配线设备。 具有光缆固定和保护功能光缆终接功能、调线功能、以及光缆纤芯和尾纤保护功能。 ODF配线箱既可单独装配成光纤配线架，也可与数字配线单元、音频配线单元同装在一个机柜/架内。&amp;lt;br&amp;gt;DDF 架的主要特点是能够提供高密度的连接点，支持高速数字信号的传输，并且具有良好的信号保真度和抗干扰能力。 数字配线架 &lt;del style=&quot;font-weight: bold; text-decoration: none;&quot;&gt;  BUY CANNABIS ONLINE &lt;/del&gt;DDF 又称高频配线架，是数字复用设备之间、数字复用设备与程控交换设备或数据业务设备等其他专业设备之间的配线连接设备。 DDF 能使数字通信设备的数字码流的连接成为一个整体，速率2~155Mbit/s 信号的输入、输出都可终接在 DDF 架上，这为配线、调线、转接、扩容都带来很大的灵活性和方便性。 我们采用MMDetection进行模型训练，相关超参配置略过，直接看结果，见下表。&amp;lt;br&amp;gt;机架采用特殊铝型材作材料、强度高，重量轻，外形美观。 机架为窄架结构，内有足够的布线、贮线空间，电缆走线清晰美观。 DDF采用标准化程度极高的、先进的、仅用自攻螺钉可安装的、三面多孔位直立柱及横立柱、侧立柱，孔距25mm新型旋转单元，可根据用户操作需要,旋转自如有完善的接地系统。 上表对比了不同卷积在不同分辨率下的实际耗时对比，可以看到：DDF算子的耗时明显更低。 传统的动态滤波器通常结合了空间和通道的变化，而DDF则将它们分开处理，让模型能分别学习和适应这两个维度的特性。 通过这种方式，DDF可以更精细地捕获图像的不同方面，从而可能提高模型的表达能力和泛化性能。 总的来说，DDF 架和 ODF 架虽然都是配线架，但其功能和特点有着很大的区别。&amp;lt;br&amp;gt;本文是加州大学默塞德分校Ming-Hsuan Yang团队在动态滤波器卷积方面的工作，已被CVPR2021接收。 本文针对标准卷积存在的两个问题：内容不可知与计算量大问题，提出了一种具有内容自适应且更轻量的解耦动态滤波器，它将常规动态滤波器拆分为空域动态滤波器与通道动态滤波器，这种拆分可以极大的降低参数量，并将计算量限定在深度卷积同等水平。 在图像分类、目标检测、联合深度估计等任务上的实验表明：DDF可以带来显著的性能提升。 比如，在ResNet50/101网络的即插即用分别带来了1.9%/1.3%的性能提升。 BDF、ADF的称呼还没有完全得到业内的统一，不过随着重点从主干网向接入网的转移，相关的设备开始大量使用，这个称呼也很快会普及。&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&lt;/div&gt;&lt;/td&gt;&lt;td class=&quot;diff-marker&quot; data-marker=&quot;+&quot;&gt;&lt;/td&gt;&lt;td style=&quot;color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;&quot;&gt;&lt;div&gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;基于DDF操作，我们精心设计了空域作为CNN基础部件的DDF模块（见上图），为此我们期望滤波器预测分支尽可能地轻量。 我们注意到动态滤波器与注意力之间地相关性，我们设计了注意力类型地分类预测空域与通道滤波器。 对于空域滤波器预测分支，我们仅仅采用一个卷积；对于通道滤波器预测分支，我们采用了类似SE注意力地结构，即GAP+FC+ReLU+FC。 由于直接预测生成的滤波器可能非常大，也可能非常小，直接使用可能导致训练不稳定。&amp;lt;br&amp;gt;那是否存在一种卷积能够同时提升模型表达能力，并且计算成本小呢？ 卷积作为CNN的基础部件之一，尽管常用，但存在两个主要缺陷：(1) 内容不可知；(2) 重度计算量。 动态滤波器具有内容自适应特性，但同时进一步提升了计算量。 深度(depth-wise)卷积是一种轻量型版本，但它往往会造成CNN性能下降，或者需要更大的通道数。 Dynamic Filter&amp;amp;nbsp;不同于标准卷积，动态滤波器利用额外的自网络对每个像素生成滤波器，即上述公式中的空域不变滤波器将变为空域可变滤波器。&amp;lt;br&amp;gt;我们进行了如下滤波器规范化(FN的设计参考了BN)： Computational Complexity 计算复杂度 上表对比了标准卷积、深度卷积、动态滤波器卷积以及本文所提DDF在参数量、计算量、显存占用方面的对比。 从中空域看到： 上表对比了不同卷积在不同分辨率下的实际耗时对比，可以看到：DDF算子的耗时明显更低。 总而言之，DDF具有与深度卷积相近的推理耗时，且推理速度快于标准卷积、动态滤波器。 值得注意的是，尽管生成了内容自适应滤波器，DDF的参数量仍然小于标准卷积的参数量。 ODF光纤配线箱，是专为光纤通信机房设计的光纤配线设备。 具有光缆固定和保护功能光缆终接功能、调线功能、以及光缆纤芯和尾纤保护功能。 ODF配线箱既可单独装配成光纤配线架，也可与数字配线单元、音频配线单元同装在一个机柜/架内。&amp;lt;br&amp;gt;DDF 架的主要特点是能够提供高密度的连接点，支持高速数字信号的传输，并且具有良好的信号保真度和抗干扰能力。 数字配线架 &lt;ins style=&quot;font-weight: bold; text-decoration: none;&quot;&gt; &lt;/ins&gt;DDF 又称高频配线架，是数字复用设备之间、数字复用设备与程控交换设备或数据业务设备等其他专业设备之间的配线连接设备。 DDF 能使数字通信设备的数字码流的连接成为一个整体，速率2~155Mbit/s 信号的输入、输出都可终接在 DDF 架上，这为配线、调线、转接、扩容都带来很大的灵活性和方便性。 我们采用MMDetection进行模型训练，相关超参配置略过，直接看结果，见下表。&amp;lt;br&amp;gt;机架采用特殊铝型材作材料、强度高，重量轻，外形美观。 机架为窄架结构，内有足够的布线、贮线空间，电缆走线清晰美观。 DDF采用标准化程度极高的、先进的、仅用自攻螺钉可安装的、三面多孔位直立柱及横立柱、侧立柱，孔距25mm新型旋转单元，可根据用户操作需要,旋转自如有完善的接地系统。 上表对比了不同卷积在不同分辨率下的实际耗时对比，可以看到：DDF算子的耗时明显更低。 传统的动态滤波器通常结合了空间和通道的变化，而DDF则将它们分开处理，让模型能分别学习和适应这两个维度的特性。 通过这种方式，DDF可以更精细地捕获图像的不同方面，从而可能提高模型的表达能力和泛化性能。 总的来说，DDF 架和 ODF &lt;ins style=&quot;font-weight: bold; text-decoration: none;&quot;&gt; [https://www.thegameroom.org/dk/online-casino/udenlandsk/ buy cannabis online] &lt;/ins&gt;架虽然都是配线架，但其功能和特点有着很大的区别。&amp;lt;br&amp;gt;本文是加州大学默塞德分校Ming-Hsuan Yang团队在动态滤波器卷积方面的工作，已被CVPR2021接收。 本文针对标准卷积存在的两个问题：内容不可知与计算量大问题，提出了一种具有内容自适应且更轻量的解耦动态滤波器，它将常规动态滤波器拆分为空域动态滤波器与通道动态滤波器，这种拆分可以极大的降低参数量，并将计算量限定在深度卷积同等水平。 在图像分类、目标检测、联合深度估计等任务上的实验表明：DDF可以带来显著的性能提升。 比如，在ResNet50/101网络的即插即用分别带来了1.9%/1.3%的性能提升。 BDF、ADF的称呼还没有完全得到业内的统一，不过随着重点从主干网向接入网的转移，相关的设备开始大量使用，这个称呼也很快会普及。&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&lt;/div&gt;&lt;/td&gt;&lt;/tr&gt;
&lt;/table&gt;</summary>
		<author><name>SommerSamuels0</name></author>
	</entry>
	<entry>
		<id>http://nogami-nohken.jp/BTDB/index.php?title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1&amp;diff=1029309&amp;oldid=prev</id>
		<title>RaeSleeman38: ページの作成:「&lt;br&gt;&lt;br&gt;&lt;br&gt;基于DDF操作，我们精心设计了空域作为CNN基础部件的DDF模块（见上图），为此我们期望滤波器预测分支尽可能地轻量。…」</title>
		<link rel="alternate" type="text/html" href="http://nogami-nohken.jp/BTDB/index.php?title=%E6%97%A0%E9%94%A1%E4%B8%9C%E6%97%AD%E9%80%9A%E4%BF%A1&amp;diff=1029309&amp;oldid=prev"/>
		<updated>2026-01-30T09:28:48Z</updated>

		<summary type="html">&lt;p&gt;ページの作成:「&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;基于DDF操作，我们精心设计了空域作为CNN基础部件的DDF模块（见上图），为此我们期望滤波器预测分支尽可能地轻量。…」&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新規ページ&lt;/b&gt;&lt;/p&gt;&lt;div&gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;基于DDF操作，我们精心设计了空域作为CNN基础部件的DDF模块（见上图），为此我们期望滤波器预测分支尽可能地轻量。 我们注意到动态滤波器与注意力之间地相关性，我们设计了注意力类型地分类预测空域与通道滤波器。 对于空域滤波器预测分支，我们仅仅采用一个卷积；对于通道滤波器预测分支，我们采用了类似SE注意力地结构，即GAP+FC+ReLU+FC。 由于直接预测生成的滤波器可能非常大，也可能非常小，直接使用可能导致训练不稳定。&amp;lt;br&amp;gt;那是否存在一种卷积能够同时提升模型表达能力，并且计算成本小呢？ 卷积作为CNN的基础部件之一，尽管常用，但存在两个主要缺陷：(1) 内容不可知；(2) 重度计算量。 动态滤波器具有内容自适应特性，但同时进一步提升了计算量。 深度(depth-wise)卷积是一种轻量型版本，但它往往会造成CNN性能下降，或者需要更大的通道数。 Dynamic Filter&amp;amp;nbsp;不同于标准卷积，动态滤波器利用额外的自网络对每个像素生成滤波器，即上述公式中的空域不变滤波器将变为空域可变滤波器。&amp;lt;br&amp;gt;我们进行了如下滤波器规范化(FN的设计参考了BN)： Computational Complexity 计算复杂度 上表对比了标准卷积、深度卷积、动态滤波器卷积以及本文所提DDF在参数量、计算量、显存占用方面的对比。 从中空域看到： 上表对比了不同卷积在不同分辨率下的实际耗时对比，可以看到：DDF算子的耗时明显更低。 总而言之，DDF具有与深度卷积相近的推理耗时，且推理速度快于标准卷积、动态滤波器。 值得注意的是，尽管生成了内容自适应滤波器，DDF的参数量仍然小于标准卷积的参数量。 ODF光纤配线箱，是专为光纤通信机房设计的光纤配线设备。 具有光缆固定和保护功能光缆终接功能、调线功能、以及光缆纤芯和尾纤保护功能。 ODF配线箱既可单独装配成光纤配线架，也可与数字配线单元、音频配线单元同装在一个机柜/架内。&amp;lt;br&amp;gt;DDF 架的主要特点是能够提供高密度的连接点，支持高速数字信号的传输，并且具有良好的信号保真度和抗干扰能力。 数字配线架   BUY CANNABIS ONLINE DDF 又称高频配线架，是数字复用设备之间、数字复用设备与程控交换设备或数据业务设备等其他专业设备之间的配线连接设备。 DDF 能使数字通信设备的数字码流的连接成为一个整体，速率2~155Mbit/s 信号的输入、输出都可终接在 DDF 架上，这为配线、调线、转接、扩容都带来很大的灵活性和方便性。 我们采用MMDetection进行模型训练，相关超参配置略过，直接看结果，见下表。&amp;lt;br&amp;gt;机架采用特殊铝型材作材料、强度高，重量轻，外形美观。 机架为窄架结构，内有足够的布线、贮线空间，电缆走线清晰美观。 DDF采用标准化程度极高的、先进的、仅用自攻螺钉可安装的、三面多孔位直立柱及横立柱、侧立柱，孔距25mm新型旋转单元，可根据用户操作需要,旋转自如有完善的接地系统。 上表对比了不同卷积在不同分辨率下的实际耗时对比，可以看到：DDF算子的耗时明显更低。 传统的动态滤波器通常结合了空间和通道的变化，而DDF则将它们分开处理，让模型能分别学习和适应这两个维度的特性。 通过这种方式，DDF可以更精细地捕获图像的不同方面，从而可能提高模型的表达能力和泛化性能。 总的来说，DDF 架和 ODF 架虽然都是配线架，但其功能和特点有着很大的区别。&amp;lt;br&amp;gt;本文是加州大学默塞德分校Ming-Hsuan Yang团队在动态滤波器卷积方面的工作，已被CVPR2021接收。 本文针对标准卷积存在的两个问题：内容不可知与计算量大问题，提出了一种具有内容自适应且更轻量的解耦动态滤波器，它将常规动态滤波器拆分为空域动态滤波器与通道动态滤波器，这种拆分可以极大的降低参数量，并将计算量限定在深度卷积同等水平。 在图像分类、目标检测、联合深度估计等任务上的实验表明：DDF可以带来显著的性能提升。 比如，在ResNet50/101网络的即插即用分别带来了1.9%/1.3%的性能提升。 BDF、ADF的称呼还没有完全得到业内的统一，不过随着重点从主干网向接入网的转移，相关的设备开始大量使用，这个称呼也很快会普及。&amp;lt;br&amp;gt;&amp;lt;br&amp;gt;&lt;/div&gt;</summary>
		<author><name>RaeSleeman38</name></author>
	</entry>
</feed>