udio
-
【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…
-
基于飞桨2.0的食品图片分类实战应用
本项目基于飞桨2.0，使用food-11数据集（含11类食品，共16643张图片）训练分类模型。通过搭建简单CNN，经数据预处理（求均值标准差、归一化等）、调整训练参数优化，最终在验证集达到50%-55%正确率，实现对面包、肉类等11类食品的分类，并完成模型保存与测试展示。 ☞☞☞AI 智能聊天, …
-
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…
-
【图像去噪】第六期论文复现赛——MIRNet
本文复现MIRNet系列论文，含V1和V2版本。V1先提取低级特征，经递归残差组处理，再得残差图像，最终恢复图像；V2类似但优化模块提升速度。复现精度达标，提供数据集、预训练模型、文件结构及训练、评估等操作方法，方便使用。 ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 Dee…
-
【PaddleDetection2.0专项】快速实现行人检测
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…
