人工智能研习社-CSDN博客

原创基于Paddle复现《Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images》降噪网络

论文地址:https://arxiv.org/abs/2101.02824原repo:https://github.com/TaoHuang2018/Neighbor2NeighborPaddle复现Repo:https://github.com/txyugood/Neighbor2Neighbor_Paddle1.简介近年来，由于神经网络的快速发展，图像降噪也从中获得了巨大的好处。然而，由于需要大量的噪声-干净的图像对来进行模型的监督训练，限制了这些模型的推广。虽然已经有一些尝试训练一个只有

2022-05-02 22:29:58 1516 3

原创 2022数字中国创新大赛-海上船舶智能检测91.65开源方案

项目地址https://aistudio.baidu.com/aistudio/projectdetail/3468613?contributionType=1可一键Fork运行。赛题地址https://www.dcic-china.com/competitions/10022赛题背景赛题介绍赛题名称：海上船舶智能检测出题单位：国家对地观测科学数据中心中国科学院空天信息创新研究院赛题背景：海上船舶目标检测对于领海安全、渔业资源管理和海上运输与救援具有重要意义，但在天气和海浪等不可

2022-02-14 10:54:20 3021 4

原创动作识别:基于飞桨复现MVF

1.简介在这篇论文中，作者提出了从多视点对HxWxT的视频信号进行建模，引入了一个高效的时空模块，称为多视点融合模块MVF。MVF是一个即插即用的模块，可以将现有的2D CNN模型转换为一个功能强大的时空特征提取器，并且开销很小。在上图中，在一个标准的ResNet的block中集成了MVF模块。在MVF模块中，输入的特征图被分为两个部分，一部分用于用于原始的激活函数计算。另一部分，用于多视图时空建模，在MVF模块中，多视图建模分别通过时间、水平和垂直维度的卷积来执行。然后将这个三个卷积的输出的特征

2022-01-16 09:38:02 965

原创 NAIC2021-AI+视觉特征编码第一阶段开源方案

NAIC2021-AI+视觉特征编码第一阶段开源方案赛题地址:https://naic.pcl.ac.cn/contest/10/35项目地址:https://aistudio.baidu.com/aistudio/projectdetail/3413350?contributionType=1AI Studio项目，fork后可一键运行。赛题背景为配合国家“加快数字化发展，建设数字中国”战略，促进视觉信息智能编码技术领域的原始创新积累，本次人工智能大赛设立“ AI+视觉特征编码赛道”（以下简

2022-01-15 08:45:02 1283

原创使用PaddlePaddle实现乒乓球时序动作定位开源方案

使用Paddle实现乒乓球时序动作定位开源方案，训练1个epoch,得分38。

2022-01-11 09:47:22 1977

原创表格学习:基于飞桨复现TabNet网络

表格学习:基于飞桨复现TabNet网络1.简介本项目基于PaddlePaddle复现《 TabNet: Attentive Interpretable Tabular Learning》论文。通常表格数据都是使用XGBoost和LightGBM这类提升树模型来获得较好的性能。该论文提出了一种使用DNN来处理表格数据，并取得了不错的效果。该项目可使用在机器学习方向，表格数据的分类与回归。如鸢尾花分类，房价预测等案例。也可以尝试使用这个网络去打一些机器学习的比赛。论文地址：https://arxiv.o

2022-01-05 10:22:10 1132

原创百度网盘AI大赛：文档图像摩尔纹消除(赛题一) Baseline

赛题介绍百度网盘AI大赛——图像处理挑战赛是百度网盘开放平台面向AI开发者和爱好者发起的计算机视觉领域挑战赛。AI时代已到来，百度网盘与百度飞桨AI Studio强强联合，旨在基于个人云存储的生态能力开放，通过比赛机制，鼓励选手结合当下前沿的计算机视觉技术与图像处理技术，完成模型设计搭建与训练优化，产出基于飞桨框架的开源模型方案，为中国开源生态建设贡献一份力量。本次图像处理挑战赛以线上比赛的形式进行，参赛选手需要在规定时间内，完成模型设计搭建与训练优化，并提交基于评测数据集产出的结果文件，榜单排名靠

2022-01-05 10:04:24 1469

原创 2021AIWIN-心电图智能诊断竞赛任务一Baseline

一、赛题考官本赛题由复旦大学附属中山医院和上海数创医疗科技有限公司联合命题。竞赛地址：http://ailab.aiwin.org.cn/competitions/64#learn_the_details-overview数据集下载地址:http://ailab.aiwin.org.cn/competitions/64#participate-get_starting_kit本文章代码下载地址：https://gitee.com/txyugood/aiwin.git二、赛题背景心电图是临床

2021-11-18 16:57:17 1145

原创无需Avatarify 无需剪辑工具一键生成多人版 “蚂蚁呀嘿“视频

抖音上的蚂蚁呀嘿火遍全网，很多小伙伴都不知道如何制作。本文抛弃繁琐的操作，利用PaddleHub与PaddleGAN框架一键生成多人版的”蚂蚁呀嘿“视频。首先我们需要安装PaddleHub,利用其中的face detection功能来定位照片中人脸。安装方法如下：pip install paddlehub --upgrade -i https://pypi.douban.com/simple安装之后paddlehub之后，还需要安装一下人脸检测的模型，命令如下:hub install ultra

2021-02-27 00:00:35 7834 34

原创图像分割套件PaddleSeg全面解析（八）预测代码解读

本文收录在https://blog.aistudyclub.com 公众号:人工智能研习社训练完成模型之后，可以对图片进行预测，还可以实现模型结果可视化，查看分割效果。运行命令如下：python predict.py \ --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \ --model_path output/iter_1000/model.pdparams \ --image.

2021-01-31 22:54:03 2516 7

原创手把手带你入门机器学习2——线性回归代码实现

本文收录在:blog.aistudyclub.com 公众号:人工智能研习社上一篇文章《手把手带你入门机器学习1——线性回归》讲述了线性回归的概念，以及如何使用梯度下降算法实现线性回归。本文延续上一篇的内容，根据《Machine Learning》课程中的练习1的内容，使用python来实现线性回归的过程。1.可视化数据集这里为了方便演示与计算，选择了只有1个特征值的数据集。这个数据集的第一列描述了一个城市的人口数量，设置为特征值X，第二列代表了这个城市快餐车的收益，设置为标签y。csv_rea.

2021-01-27 15:12:23 500

原创手把手带你入门机器学习1——线性回归

本文收录在:https://blog.aistudyclub.com 公众号:人工智能研习社机器学习已经越来越普及，渐渐的被应用到各行各业中。作为一个程序员，如何学习机器学习呢？在本系列文章中，我根据我学习的经验带大家了解一下机器学习的基础知识。我原本是一名嵌入式开发工程师，2018年开始自学机器学习的知识，目前主要从事深度学习CV方向的工作。最初刚接触机器学习，我也是苦于如何入门。在搜索了很多资料后，找到了coursera上的Machine Learning课程，通过学习了完整的课程，最后掌握了机.

2021-01-27 15:10:35 342

原创每天学一点paddlepaddle-第1天环境搭建

paddlepaddle是百度推出的国产开源框架，有着百度强大研发力量的加持，paddlepaddle发展迅速，日益成熟。目前paddle可以作为替代python和tensorflow的深度学习框架。同时百度研发团队还推出了多种开发套件，例如PaddleClas、PaddleDection、PaddleSeg和PaddleGAN等。这些套件可以帮助开发者快速构建自己的应用。从本文开始我将和大家一起学习paddlepaddle深度学习框架，一起构建神奇的人工智能应用。首先我们学习如何创建paddlepad

2021-01-05 11:26:50 399

原创不懂视频分类？ResNet3D帮你搞定

随着短视频应用火爆全网，现在各种短视频已经占据了全网50%以上的流量，那么如何对短视频分类就成了一个问题。目前，我们使用卷积网络可以有效的对图片进行分类，同时精度也比较高。那么神经网络是否可以对视频分类呢？答案是肯定的，本文带你使用ResNet3D网络来完成视频分类任务。本文对ResNet3D论文解读和复现，ResNet3D网络主要内容出自以下两篇论文：《Can Spatiotemporal 3D CNNs Retrace the History of 2D CNNs and ImageNet?》《W

2020-12-24 09:33:31 3664 12

原创图像分割套件PaddleSeg全面解析（七）评估代码解读

之前解析了PaddleSeg训练模型的过程，在训练结束后会输出模型文件。得到模型文件，就可以对图片进行预测，还可以实现模型结果可视化，查看分割效果。使用模型文件分割图片，可运行以下命令：python predict.py \ --config configs/quick_start/bisenet_optic_disc_512x512_1k.yml \ --model_path output/iter_1000/model.pdparams \ --image_

2020-12-23 19:36:51 2564 1

原创手把手带你实现基于深度学习的垃圾分类器

随着PaddlePaddle2.0的更新，PaddleClas图像分类套件也更新到了2.0-rc1版本。新版本的PaddleClas套件已经默认使用动态图来进行模型训练。现在我们使用PaddleClas套件从零实现一个简单的垃圾分类器，来体验一下新版本的PaddleClas的的方便快捷，即使初学者也能训练出高精度的模型。本篇文章分为上下两部分，上部讲解如何从零开始训练，下部讲解部分核心代码以及深度学习训练过程中使用到的技术。1.准备数据集数据集下载地址:https://aistudio.baidu.c

2020-12-15 09:21:23 2358 2

原创图像分割套件PaddleSeg全面解析（六）损失函数代码解析

目前PaddleSeg套件的动态图版本只支持一种损失函数Cross Entroy Loss(交叉熵)。Cross Entroy Loss是一种很常用的损失函数，在图像分类中基本都会用到。一般在图像分类中，神经网络最终输出节点数目与类别数一致，形状为[batch_size, num_classes]，样本标签直接使用类别的序号表示,形状为[batch_size, 1]。在paddle中计算交叉熵的函数为softmax_with_cross_entropy，一般比较常用的两个参数为logits和label,可以

2020-12-13 16:04:20 2972 4

原创图像分割套件PaddleSeg全面解析（五）模型与Backbone代码解读

本章节将介绍PaddleSeg的核心部分，分割和模型和主干网络部分，在yaml配置文件中有以下定义：#模型信息model: #模型的类型FCN type: FCN #使用的主干网络为HRNet backbone: type: HRNet_W18 #主干网络的预训练模型的下载地址。 pretrained: https://bj.bcebos.com/paddleseg/dygraph/hrnet_w18_ssld.tar.gz #模型支持的类别为19种。

2020-12-11 13:55:50 4743 5

原创图像分割套件PaddleSeg全面解析（四）数据预处理

本部分主要介绍一下数据增强部分，PaddleSeg套件里把数据增强部分都定义在transforms里面，这样就与Pytorch比较类似，这样就把一些基本的图像处理方法(缩放、归一化等)和数据增强（随机裁剪、翻转、颜色抖动）统一了，自己新增的数据增强方法也可以添加在这里。 transforms包含多种数据增强方法，如下图所示：数据增强的代码入口与Dataset一样来自Config类，在后去config对象是的transfroms成员时，会根据yaml文件创建对应的对象。比如yaml文件配置如下:tra

2020-12-11 13:47:28 4280 1

原创图像分割套件PaddleSeg全面解析（三）DataSet代码解读

训练神经网络模型，数据集是必不可少的。一个简洁高效的数据集管理方法科技节省很多时间。PaddleSeg套件中对数据集进行了抽象，创建了一个DateSet类用来管理数据集，本篇我们将解读DataSet类的代码。首先看一下Dateset的代码结构:在yaml配置文件中，我们配置的train_dataset的type为Cityscapes类型。通过以上Config代码的解读，我们知道了在第一次调用Config对象的train_dataset属性时会懒加载创建Cityscapes对象。 Cityscapes类

2020-12-11 11:28:17 3043 5

原创图像分割套件PaddleSeg全面解析（二）Config代码解读

上一篇介绍了图像分割PaddleSeg套件的整体情况，并介绍了训练的入口文件train.py。在train.py文件中会对配置文件进行解析，获得训练参数。这一篇主要介绍，如何通过Config类对配置文件进行解析。Config类定义在paddleseg/cvlibs/config.py文件中。它保存了数据集配置、模型配置以及主干网络的配置、损失函数配置以及所有的超参数。在PaddleSeg中，通过使用YAML文件的方式保存配置。该方法的好处是，只需要对YAML进行修改，或者创建新的YAML文件就可以完成新的

2020-12-11 11:07:40 5295 20

原创图像分割套件PaddleSeg全面解析（一）train.py代码解读

首先祝贺百度团队百度斩获NeurIPS2020挑战赛冠军，https://www.jiqizhixin.com/articles/2020-12-09-2。在此次比赛中使用的是基于飞桨深度学习框架开发的图像分割套件PaddleSeg。从这篇文章开始，我将持续更新《图像分割套件PaddleSeg全面解析》系列文章，由于个人水平有限，如有错误之处请见谅，谢谢。PaddleSeg是百度基于自家的PaddlePaddle开发的端到端图像分割开发套件。包含多种主流的分割网络。PaddleSeg采用模块化的方式设计

2020-12-11 10:34:42 17279 13

原创基于飞桨复现 CVPR2018 Relation Net小样本学习

基于飞桨复现 CVPR2018 Relation Net小样本学习Relation Net 是 CVPR2018的一篇论文，论文链接：https://arxiv.org/abs/1711.06025。深度学习在视觉识别任务中取得巨大的成功，文章作者指出训练模型需要大量标注过的图片，同时需要迭代多次去训练参数。每当添加新的物体类别需要花费时间去标注，同时有一些新兴物体类别和稀有物体类别可能根本不存在大量的标注过的图片。而人类是只要很少的认知学习就可实现小样本（FSL）和无样本学习(ZSL)。作者举了一个

2020-12-10 22:03:07 616

人工智能研习社