fig
-
基于飞桨实现乒乓球时序动作定位大赛-b榜第11名方案
该方案基于飞桨PaddleVideo的BMN模型，优化乒乓球时序动作定位。先分析训练集label分布与动作时长，参考Football Vocation调整窗口大小，分割数据为9:1的训练、验证集。训练尝试多种策略，用CustomWarmupCosineDecay提升分数，最终导出模型推理，生成提交文…
-
基于PaddlePaddle复现的PeleeNet
本文介绍PaddlePaddle实现的PeleeNet，这是高效CNN架构，适用于移动设备。其采用Two-Way Dense Layer、Stem Block等结构，复现了相关精度。还说明数据集准备、环境配置，以及模型训练、评估、预测和推理部署方法，也提及自动化测试脚本等内容。 ☞☞☞AI 智能聊天…
-
【论文复现】基于 PaddlePaddle 实现 HashNet
本文介绍基于PaddlePaddle复现HashNet（ICCV2017）的项目。HashNet针对图像检索中哈希学习的问题，通过数据均衡化和改进符号激活函数提升性能。项目在COCO2014数据集上复现，16/32/48/64bits的结果达0.619、0.682、0.715、0.734，超验收指标…
-
使用paddleOCR完成价格提取并实现可视化
该项目通过pyautogui控制鼠标点击金投网各省份页面并截图，利用paddleOCR提取废弃金属价格数据，经pymysql存入MySQL。再以Flask搭建后端，结合百度echart框架实现各省份价格实时动态可视化，解决了网站路径多变导致的爬虫获取数据难题。 ☞☞☞AI 智能聊天, 问答助手, A…
-
基于PaddlePaddle2.2的数据建模研究助手
本项目基于PaddlePaddle2.2，在波士顿房价预测案例基础上优化，增加epoch与loss对应图及最低loss时epoch-id函数以找最佳参数，用相关系数评价回归结果。通过数据探索分析、预处理、建模训练、预测等步骤，对比数据打乱与否的效果，揭示机器学习与传统拟合的区别，还包含模型应用及结果…
-
改图鸭AI图片生成软件参数设置 优化AI绘画工具输出效果
优化ai绘画工具输出效果的核心在于精细调整文字描述（prompt）、负面提示词、风格权重、分辨率、迭代步数和随机种子等参数；2. 编写高效prompt需具备清晰性、具体性、分层结构和引导性，应包含主体、动作、环境、风格、情感及技术修饰词，并通过迭代优化逐步完善；3. 影响图像风格与细节的关键参数包括…
-
三星电子和英伟达计划投资机器人初创公司Skild AI
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜ 据消息人士透露，三星电子与英伟达计划向初创机器人软件公司Skild AI注资，旨在强化其在快速发展的消费级机器人市场中的布局。 知情人士表示，三星电子拟投资1000万美元，而英伟达则将投入250…
-
怎么用豆包AI帮我写Spring Security 用AI生成安全配置的完整指南
明确需求并提供项目信息可提升豆包ai生成spring security配置的准确性。1. 首先说明需保护的资源，如接口访问规则、角色权限、认证方式（如jwt）等；2. 提供项目结构和依赖版本，如spring boot 3.1、spring security 6.1、java 17等；3. 检查生成代…
-
用豆包AI解析Python中的配置文件参数
豆包ai可通过解析python配置文件帮助开发者理解结构并优化参数。1. 支持识别.ini、.yaml、.json、.toml格式并解释其结构特点；2. 可分析配置项含义，提示默认值、取值范围及安全风险；3. 能生成对应解析代码，如使用json.load()或yaml.safe_load()；4. …
-
通义万相2.1的LoRA怎么训练-从原理到实战指南
在ai图像生成领域，通义万相2.1作为领先的扩散模型，其官方api虽功能强大，但定制能力有限。lora（low-rank adaptation）技术正是解决这一痛点的关键钥匙——它允许开发者以极低成本实现模型个性化定制。本文将详细解析训练通义万相2.1 lora的全流程，助你掌握定制专属ai艺术家的…
