fig
-
【图像去噪】第七期论文复现赛——SwinIR
作者引入Swin-T结构应用于低级视觉任务，包括图像超分辨率重建、图像去噪、图像压缩伪影去除。SwinIR网络由一个浅层特征提取模块、深层特征提取模块、重建模块构成。重建模块对不同的任务使用不同的结构。浅层特征提取就是一个3×3的卷积层。深层特征提取是k个RSTB块和一个卷积层加残差连接构成。 ☞☞…
-
基于分割网络Unet生成虚拟图像
本文基于Unet分割网络，利用49例头部磁共振T1、T2数据，通过配准使二者解剖位置一致，转换数据格式并裁剪窗宽窗位，构建数据集。以T1为输入、T2为标签训练Unet进行回归，用SSIM评估，经200轮训练，最佳SSIM达0.571，实现由T1生成虚拟T2图像。 ☞☞☞AI 智能聊天, 问答助手, …
-
使用PaddleDetection2.0自定义数据集实现火焰识别预测
该项目利用PaddleDetection2.0中的YOLOv3（主干为mobilenetv3轻量化模型）实现火焰识别目标检测，mAP达81.94%，可部署于森林防火监控。流程包括自定义数据集解压、环境准备、按9:1划分数据集，基于特定配置文件训练，还进行了模型评估、预测及效果可视化。 ☞☞☞AI 智…
-
【遥感影像分类】使用PaddleAPI搭建ResNet50实现遥感影像分类任务
本文围绕遥感分类任务展开，使用西北工业大学2016年发布的含45类土地利用类型的遥感影像数据集，构建RESISC45Dataset自定义数据集，搭建ResNet50模型，经训练、验证，模型精度达0.83左右，最后进行了模型预测与效果展示。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无…
-
[AI特训营第三期]全流程前沿超轻量PPLCNetV2苹果病害识别
我们将利用深度学习技术来训练一个神经网络模型，该模型将可以对苹果树上的各种病害进行鉴别和诊断。我们将使用大量的真实数据集来训练和优化模型，以达到最好的预测和诊断效果。具体来说，本项目分类准确率达到0.98461，性能优异，同时模型计算量，参数量较小，便于部署在边缘端。 ☞☞☞AI 智能聊天, 问答助…
-
漫卷的第一个神经网络，带你一起搭网络
本文展示了漫卷搭建首个神经网络ManjuanNet的过程，采用PaddlePaddle框架，含两个基模块，通过双路径提取特征后拼接。介绍了数据集处理（含解压、检测损坏图像）、模型训练等，对比了与ResNet34的参数量和FLOPS，其参数量更少但FLOPS高约40倍，在ImageNet100上10轮…
-
【全民动起来】反向卷腹AI计数器
本文介绍基于PaddleHub的反向卷腹AI计数器。因健身时手动计数易出错，利用human_pose_estimation_resnet50_mpii模型实现计数。通过检测人体关键点，以膝盖x轴坐标变化为依据，判断反向卷腹完成情况。还给出环境准备、检测示例及计数代码，测试显示能准确计数，生成带检测效…
-
基于PPSeg框架的HRNet_W48_Contrast复现
该项目复现相关论文，基于PaddleSeg实现全监督语义分割训练范式，借跨图像像素对比优化特征空间。在Cityscapes验证集上，HRNet_W48模型mIou达82.47%，超复现要求，使用Tesla V100及PaddlePaddle 2.1.2。 ☞☞☞AI 智能聊天, 问答助手, AI 智…
-
【NLP】常规赛：中文新闻文本标题分类
该项目针对中文新闻文本标题分类任务，采用embedding+GRU+MLP模型，精度约0.8。先预处理数据，用Jieba分词，构建语料库和词向量映射，依标题长度分布设最大输入长度20。再搭建网络，训练时验证精度超0.9但测试精度较低，存在过拟合，可尝试BERT提升精度，适合新手参考。 ☞☞☞AI 智…
