coco

本文介绍如何用PaddleDetection2.0快速实现行人检测。先说明其提供多种检测模型，行人检测可用YOLOv3，精度51.8，适用于智能监控。接着讲操作步骤，包括克隆仓库、安装依赖，还介绍了模型结构、训练参数配置（改类别数和数据集路径）、精度指标及预测方法与示例。 ☞☞☞AI 智能聊天, 问…

本文介绍基于ResNet101神经网络的道路垃圾识别项目。先说明智慧环卫背景及项目意义，接着阐述数据集处理过程，包括解压缩、分离训练集与测试集、预处理及自定义数据集，还讲解了ResNet101网络搭建、训练（优化器、损失函数及训练过程）与预测阶段的实现，可减少环卫劳动力。 ☞☞☞AI 智能聊天, 问…

X光安检是目前在城市轨交、铁路、机场、物流业广泛使用的物检手段。使用人工智能技术，辅助一线安检员进行X光安检判图，可以有效降低因为安检员经验、能力或工作状态造成的错漏检问题。在实际场景中，因待检测物品的多样性、成像角度、重叠遮挡等问题，X光安检图像检测算法研究存在一定挑战。 ☞☞☞AI 智能聊天, …

本文围绕智能导盲机器狗比赛的数据集与训练策略展开。数据集方面，介绍了train与val数据融合的方法及代码，还提及伪标签训练（半监督学习）的入门、进阶和创新版方式。训练策略上，针对PaddleDetection，给出了显卡数量、batchsize、优化器选择等方面的建议，并提供了含droppath的…

该赛题聚焦基于PaddleDetection的海上船舶智能检测，利用GF-3和哨兵1号卫星的SAR数据。数据集含256×256像素船舶切片及标注，需通过模型检测生成特定格式csv提交。流程包括数据预处理、用faster_rcnn_swin_tiny_fpn模型训练、预测，旨在探索针对性检测…

本文介绍了基于PaddleDetection的目标检测项目流程，包括克隆仓库、安装依赖、编译安装等步骤。还涵盖数据集准备，如查看COCO标注、解压和配置数据集，以及模型训练、预测、导出，最后说明代码提交及优化方法，如调整阈值等。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 …

本文围绕智能导盲机器狗比赛展开，介绍赛事对模型大小和检测速度的要求，分享三种模型选择思路：小模型加法、大模型减法及先减重再提速。还分析了数据集分布，细讲第三种思路中Backbone和Neck的处理，如用CSP结构减重、SPPF替代SPP提速等。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, …

本项目测试YOLOv3模型鲁棒性，利用PaddleDetection库，在COCO2017数据集上训练模型，其对dog.jpg检测精确率达98%。通过添加椒盐噪声生成对抗样本dog2.png，再次检测时，正确率大幅下降，部分目标甚至消失，以此展示对抗样本对模型检测能力的攻击效果。 ☞☞☞AI 智能聊…

该方案针对2021广东工业智造创新大赛瓷砖瑕疵检测任务，基于Paddle2.2及PaddleDetection套件的FasterRCNN模型实现。处理初赛白板瓷砖数据（含15230张训练图、1762张测试图），将标注转为COCO格式，划分训练集与验证集，经训练、评估后，生成符合竞赛要求的预测提交文件…

本文围绕MnasNet复现展开，介绍了这一谷歌提出的轻量化网络，其通过自动搜索平衡精度与延迟，采用真实手机环境测延迟。复现基于PyTorch实现转为Paddle版本，调整了因硬件限制的参数，采用预热策略等，还提及训练中遇到的精度提升问题及解决办法，最后分享了复现收获。 ☞☞☞AI 智能聊天, 问答助…