![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Paddle项目实战
文章平均质量分 95
心无旁骛~
百度飞桨星河社区中级精品作者、2023年度文心卓越贡献奖,在校期间获国家级奖项7项、省级奖项10余项,申请发明专利一项、科研项目四项,成功发表SCI2区论文一篇,中文普刊一篇,欢迎大家一起学习交流~
展开
-
基于PP-YOLOE-SOD实现遥感场景下的小目标检测
目标边界框的宽高与图像的宽高比例小于一定值目标边界框面积与图像面积的比值开方小于一定值分辨率小于32*32像素的目标。如MS-COCO数据集像素值范围在[10,50]之间的目标。如DOTA/WIDER FACE数据集paddle从数据集整体层面提出了如下定义:目标边界框的宽高与图像的宽高比例的中位数小于0.04时,判定该数据集为小目标数据集。目前,小目标检测主要有以下几个难点:覆盖面积小,有效特征少小目标下采样后丢失问题,边界框难以回归,模型难以收敛。原创 2023-03-16 19:43:16 · 3070 阅读 · 12 评论 -
SqueezeNet算法解析—鸟类识别—Paddle实战
SqueezeNet算法,顾名思义,Squeeze的中文意思是压缩和挤压的意思,所以我们通过算法的名字就可以猜想到,该算法一定是通过解压模型来降低模型参数量的。当然任何算法的改进都是在原先的基础上提升精度或者降低模型参数,因此该算法的主要目的就是在于降低模型参数量的同时保持模型精度。随着CNN卷积神经网络的研究发展,越来越多的模型被研发出来,而为了提高模型的精度,深层次的模型例如AlexNet和ResNet等得到了大家的广泛认可。原创 2023-07-09 20:17:45 · 1983 阅读 · 1 评论 -
Xception算法解析-鸟类识别实战-Paddle实战
在计算机视觉领域,卷积神经网络(CNN)已经成为最主流的方法,比如GoogLenet,VGG-16,Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现,ResNet可以训练出更深的CNN模型,从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”(shortcuts,skip connection),进而训练出更深的CNN网络。原创 2023-06-22 09:51:07 · 976 阅读 · 1 评论 -
基于PP-OCRv3的车牌检测和识别
车牌识别技术是一种利用计算机视觉技术对车辆车牌进行自动检测、识别的技术。它可以通过摄像头实时捕获车辆车牌信息,并经过算法处理后得到车牌号码信息,实现对车辆的自动识别、管理和监控。车牌识别技术被广泛应用于城市交通管理、安防监控行业、停车场管理等领域,可以提高交通管理效率,降低人工劳动成本,保障公共安全。随着自动驾驶技术的快速发展,车辆自主性越来越高,丰富的实时数据也为车牌识别技术的运用提供了更多可能性。未来,车牌识别技术将会更加智能化、精准化,成为城市交通管理、智慧安防等领域的重要组成部分。原创 2023-06-01 09:22:51 · 1007 阅读 · 0 评论 -
WideResNet(宽残差网络)算法解析-鸟类识别分类-Paddle实战
在计算机视觉领域,卷积神经网络(CNN)已经成为最主流的方法,比如GoogLenet,VGG-16,Incepetion等模型。CNN史上的一个里程碑事件是ResNet模型的出现,ResNet可以训练出更深的CNN模型,从而实现更高的准确度。ResNet模型的核心是通过建立前面层与后面层之间的“短路连接”(shortcuts,skip connection),进而训练出更深的CNN网络。但是随着深度神经网络的继续发展,网络的层数也在不断地增加,而分类准确度每提高百分之一的代价几乎是层数的两倍。原创 2023-06-27 19:52:52 · 1494 阅读 · 1 评论