paddle飞桨
文章平均质量分 86
百度飞桨
KHB1698
深度学习ing
展开
-
PaddleSeg实现自动驾驶语义分割
PaddleSeg使用PP-LiteSeg完成自动驾驶语义分割原创 2022-07-21 19:52:10 · 1304 阅读 · 2 评论 -
绕不过的BP算法,从这里开始!
绕不过的BP算法,从这里开始!原文链接:https://aistudio.baidu.com/aistudio/projectdetail/2411797其实对于每个机器学习和深度学习的初学者来说,都绕不开一个算法,那就是bp算法。我参考了张玉宏-《深度学习之美》这本书并编写这篇推文,本文主要是对BP算法的代码实现和详细的批注,希望对你学习有所帮助。阅读之前可以看一下这篇文章学习下基本原理——BP算法双向传,链式求导最缠绵,个人认为已经讲的非常详细易懂了。再一个推荐一篇文章,或许对你的AI学习生涯原创 2021-09-29 15:55:25 · 469 阅读 · 0 评论 -
飞桨高层API实现图像去雨
高层API实现图像去雨原文链接:https://aistudio.baidu.com/aistudio/projectdetail/23407141 简要介绍去雨深度模型越来越复杂多样,难以分析不同网络模型的作用。通过参考原始论文[Progressive Image Deraining Networks: A Better and Simpler Baseline],我选择了一个简单的PRN模型对下雨图像进行深度学习和处理。2 环境设置本教程基于Paddle 2.1 编写,如果您的环境不是本原创 2021-09-07 15:55:38 · 586 阅读 · 0 评论 -
使用飞桨实现肺部 CT 扫描的 3D 图像分类
来自肺部 CT 扫描的 3D 图像分类作者: KHB1698日期: 2021.09摘要: 本示例教程演示如何对肺部 CT 扫描的 3D 图像分类1. 简要介绍该示例将显示构建3D卷积神经网络(CNN)所需的步骤,以预测计算机断层扫描(CT)扫描中病毒性肺炎的存在。 2D CNN通常用于处理RGB图像(3个通道)。 3D CNN仅仅是3D等效项:它需要输入3D 图形或2D帧序列(例如,CT扫描中的切片),3D CNN是用于体积数据的学习表示的强大模型。2. 环境设置本教程基于Paddle 2.1原创 2021-09-02 00:16:20 · 2405 阅读 · 2 评论 -
paddle.nn.BCELoss的使用问题
ValueError: (InvalidArgument) Cannot get attribute (value) by type float, its type is std::__cxx11::basic_string<char, std::char_traits, std::allocator >. (at /paddle/paddle/fluid/framework/attribute.h:164)代码:import paddleinput = paddle.to_tensor原创 2021-09-01 18:14:08 · 662 阅读 · 0 评论 -
可能逃不了课了!如何使用paddleX来点人头?
可能逃不了课了!如何使用paddleX来点人头?原项目链接:https://aistudio.baidu.com/aistudio/projectdetail/2297394项目背景大学经常会出现逃课现象,老师就会在每节课之前点一次名,但是点名又浪费时间,而且也不排除有同学中途离开的情况。那么如何做到老师点名方便,学生也不能中途离开呢?直到看了这个视频【教室人头检测 人头计数】我找到了答案!其实我们可以使用目标检测算法实时或定时检测课堂人数呀。本项目分为三部分,具体如下:设计头部目标检测原创 2021-08-24 01:56:34 · 1227 阅读 · 2 评论 -
飞桨高层API实现人脸关键点检测
飞桨高层API实现人脸关键点检测项目链接:https://aistudio.baidu.com/aistudio/projectdetail/1487972一、问题定义人脸关键点检测,是输入一张人脸图片,模型会返回人脸关键点的一系列坐标,从而定位到人脸的关键信息。# 环境导入import osimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.image as mp原创 2021-08-23 00:22:56 · 516 阅读 · 0 评论 -
使用飞桨的paddleX-yoloV3对钢材缺陷检测开发和部署
项目链接:https://aistudio.baidu.com/aistudio/projectdetail/22659511 项目背景目前, 基于机器视觉的表面缺陷装备已经在各工业领域广泛替代人工肉眼检测,包括3C、汽车、家电、机械制造、半导体及电子、化工、医药、航空航天、轻工等行业。传统的基于机器视觉的表面缺陷检测方法,往往采用常规图像处理算法或人工设计特征加分类器方式。一般来说,通常利用被检表面或缺陷的不同性质进行成像方案的设计,合理的成像方案有助于获得光照均匀的图像,并将物体表面缺陷明显的.原创 2021-08-09 13:36:28 · 2754 阅读 · 5 评论 -
百变冰冰!使用飞桨的PaddleGAN实现妆容迁移
项目链接:百变冰冰!基于PaddleGAN实现妆容迁移1 项目背景最近看了一篇文章是关于用ai为冰冰上妆的博文,文章使用的是SCGAN架构,但直接使用SCGN提取妆容效果并不是很好,文章的解决办法是先把图片裁剪出人脸然后对五官进行分割最后再使用SCGN网络进行上妆,最后效果也非常不错。于是我就产生了一个想法——用PaddleGAN的PSGAN模型来实现对冰冰的妆容迁移,至于PSGAN有什么优势呢让我们看一下对于PSGAN的原理分析。2 PSGAN原理PSGAN: Pose and Expre..原创 2021-08-08 18:55:04 · 760 阅读 · 1 评论 -
pytorch与paddlepaddle对比——以DCGAN网络实现为例
pytorch与paddle对比——以DCGAN网络实现为例本文以手写数字生成实现为例对pytorch和paddle进行对比参考资料:DCGAN原理分析与pytorch实现 DCGAN论文详解 PaddlePaddle与PyTorch的转换一、pytorch与paddle对比PaddlePaddle 2.0和PyTorch风格还是非常像的。使用PaddlePaddle可以直接调用百度AI Studio里的一些资源(包括GPU、预训练权重之类的),而且说明文档、社区都是中文的,比较友好;原创 2021-08-07 03:30:01 · 7855 阅读 · 2 评论 -
笔记 | 百度飞浆AI达人创造营:深度学习模型训练和关键参数调优详解
笔记 | 百度飞浆AI达人创造营:深度学习模型训练和关键参数调优详解针对特定场景任务从模型选择、模型训练、超参优化、效果展示这四个方面进行模型开发。一、模型选择从任务类型出发,选择最合适的模型。1.回归任务从使用Numpy推导,到使用深度学习框架,一步步走进最简单的回归任务:当人工智能邂逅蓝桥杯算法题,会擦出怎样的火花?人脸关键点检测完整代码详见基于空间注意力SAM的GoogLeNet实现人脸关键点检测并自动添加表情贴纸68点的人脸关键点检测:1-17:人脸的下轮廓18-27:眉毛原创 2021-07-31 17:22:37 · 1269 阅读 · 0 评论 -
笔记 | 百度飞浆AI达人创造营:数据获取与处理(以CV任务为主)
笔记 | 百度飞浆AI达人创造营:数据获取与处理(以CV任务为主)课程目的数据的获取途径数据处理与标注数据预处理方法模型训练评估一、数据集的获取 通常,我们的数据来源于各个比赛平台。首先是AIStudio中的数据集,大部分经典数据集例如百度AI Studio ,Kaggle、天池、讯飞等平台(通过关键词搜索获取需要的数据集),或者是Github。还有一些小的平台,需要大家自己去看。通常来说,数据集用于学术目的,有些数据需要申请才能获得链接。1.1 Kaggle有趣比较火热的数据集原创 2021-07-30 23:54:41 · 677 阅读 · 2 评论 -
笔记 | 百度飞浆AI达人创造营:让人拍案叫绝的创意都是如何诞生的?
笔记 | 百度飞浆AI达人创造营:让人拍案叫绝的创意都是如何诞生的?你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:全新的界面设计 ,将会带来全新的写作体验;在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选原创 2021-07-27 21:31:21 · 205 阅读 · 0 评论