Datawhale AI夏令营

最新推荐文章于 2024-09-15 15:29:29 发布
最新推荐文章于 2024-09-15 15:29:29 发布
阅读量278 收藏
点赞数 6
文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45948364/article/details/140465124
版权

外滩大会-全球Deepfake攻防挑战赛

deepfake样本产生，自编码器，大模型

分析方法：观察图像细节（眼睛嘴巴） 检查光线阴影（光源） 分析像素 注意背景（平滑）

视频 音频 光线

比赛安排

 

训练集（50w) 验证集（预测） 最终测试集 

0.98-0.99 gpu 11gb 12gb 1080ti(二手500)

训练 图像分类

训练验证预测

改进方向：数据集增强，更换模型，训练集与验证集，产生逻辑相同，提前缩放。

我是石头啦
关注
【Datawhale AI 夏令营第三期学习笔记Taks1】 跑通baseline #Datawhale AI 夏令营
07-28
【Datawhale AI 夏令营第三期学习笔记Taks1】 跑通baseline #Datawhale AI 夏令营
Datawhale AI 夏令营机器学习 task1.pdf
07-20
### Datawhale AI 夏令营机器学习 Task1：时间序列预测详解 #### 一、时间序列数据的特点 时间序列数据在很多实际场景中都非常重要，例如天气预报、股票市场分析、销售预测等。理解时间序列数据的特点对于设计有效...
Datawhale AI夏令营2024 Task3
m0_46680352的博客
07-04 983
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。
Datawhale AI 夏令营
qjcjcq的博客
07-14 458
在一开始，因为对于这一方面的了解十分有限（可以说是玩完完全全的小白），我便跟着Datawhale的飞书指引跑了一遍baseline，虽然很快地得到了一个submit，但是说实话，根本没有搞明白发生了什么。虽然依旧有点懵（因为之前对于这一方面只有非常粗浅地认识，一下子出现的许多专有名词让我理解起来有些许的困难），但是这并不是问题，之后的时间可以慢慢地进行学习。总的来说，Task 1的学习为我打开了一扇新世界大门，有着许多新的知识等待着我去了解，期待着下一部分的学习。（虽然在代码里的解析其实已经很详细了）
Datawhale AI 夏令营（第五期）
weixin_52520094的博客
08-23 972
category_labels = ["非机动车违停", "机动车违停", "垃圾桶满溢", "违法经营"]baseline的代码实现了一个完整的目标检测流程，从环境准备、数据加载与预处理、到模型训练与推理，以及最终的结果保存。首先，代码安装了必要的工具，并从指定的 URL 下载了训练集和测试集的压缩文件，随后解压这些文件以便使用。接着，代码通过cv2读取视频文件并提取视频帧，同时使用pandas读取 JSON 格式的标注文件，从中提取出目标的类别和边界框等信息。
2024 DataWhale AI 夏令营 DeepFake
m0_46685221的博客
07-20 983
采用CrossEntropyLoss损失函数和Adam优化器，并使用调度器动态调整学习率。CrossEntropyLoss损失函数常用于分类任务中，它能将预测的分类标签转换成概率，以对数的方式来预测错误程度。Lyy−∑i1nyilogyiLyy​−i1∑n​yi​logy​i​其中，yiy_iyi​是真实标签，yi\hat y_iy​i​是预测标签。
Datawhale AI夏令营大模型技术：模型微调
one_mouse的博客
07-06 544
AI夏令营 #Datawhale #夏令营。
夏日智启：我的Datawhale AI夏令营探索之旅
一名在读大学生，正在学习深度学习，会定期分享一些该领域内容。欢迎大家一起交流学习~
07-10 1480
Datawhale 成立于2018年，是国内AI领域最大的开源学习组织，汇集了众多领域院校和知名企业的优秀学习者，聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner，和学习者一起成长」为使命，鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。下面是Datawhale的相关信息，感兴趣的可以关注了解下：公众号：DatawhaleGitHub 名称：Datawhale · GitHub累计有10w star，全球排名前100的组织。
Datawhale AI 夏令营-task1
ghost_him的博客
07-14 982
Deepfake是一种使用人工智能技术生成的伪造媒体，特别是视频和音频，它们看起来或听起来非常真实，但实际上是由计算机生成的。这种技术通常涉及到深度学习算法，特别是生成对抗网络（GANs），它们能够学习真实数据的特征，并生成新的、逼真的数据。Deepfake技术虽然在多个领域展现出其创新潜力，但其滥用也带来了一系列严重的危害。在政治领域，Deepfake可能被用来制造假新闻或操纵舆论，影响选举结果和政治稳定。经济上，它可能破坏企业形象，引发市场恐慌，甚至操纵股市。
Datawhale AI夏令营 AI极端降水预报 Task1
qq_63998773的博客
07-28 806
深度学习（Deep Learning）是一种机器学习（Machine Learning）的分支，利用多层神经网络来处理和分析复杂的数据。例如，通过预测数据的一部分来训练模型，应用于自然语言处理中的 BERT、GPT 等模型。基于时间序列的前一部分的数据来预测后一部分的数据。2.样本数据集例如20210101-00文件夹下的72小时气象要素数据是fuxi实测的还是递归得到的？：用于减少数据的维度，同时保留尽可能多的信息。1.训练数据：2019-2021年的ft（气象要素）和对应的gt（真值）。
Datawhale AI夏令营第四期 魔搭-AIGC方向 task01笔记
2302_79684484的博客
08-10 490
DiffSynth-Studio：高效微调训练大模型工具（在这几个上面我是多刷新了几次才成功的）使用DiffSynth-Studio在基础模型上，使用前面整理好的数据文件进行训练微调。Data-Juicer：数据处理和转换工具，旨在简化数据的提取、转换和加载过程。调整prompt，设置你想要的图片风格，依次修改8张图片的描述（使用微调后的模型，生成用户指定的prompt提示词的图片。正向描述词：你想要生成的图片应该包含的内容。这个链接教程上就有，直接按照上面的走就行。反向提示词：你不希望生成的图片的内容。
NLP学习（Datawhale AI夏令营） TASK01#Datawhale示例代码
07-15
NLP学习（Datawhale AI夏令营） TASK01#Datawhale示例代码
SRT3D: A Sparse Region-Based 3D Object Tracking Approach for the Real World
weixin_45834800的博客
09-13 1038
基于区域的方法在基于模型的单目3D跟踪无纹理物体的复杂场景中变得越来越流行。然而，尽管它们能够实现最先进的结果，大多数方法的计算开销很大，需要大量资源来实时运行。在下文中，我们基于之前的工作，开发了SRT3D，这是一种稀疏的基于区域的3D物体跟踪方法，旨在弥合效率上的差距。我们的方法在所谓的对应线（这些线模型化了物体轮廓位置的概率）上稀疏地考虑图像信息。由此，我们改进了当前的技术，并引入了考虑定义的全局和局部不确定性的平滑阶跃函数。对于所得到的概率公式，提供了详尽的分析。
【AI大模型】Kimi API大模型接口实现
最新发布
qq_25888559的博客
09-15 844
Kimi智能助手在效率（免费榜）排名从2024年1月14日的第436名提升至3月19日的第11名。而尚未上线的GPT-4.5 Turbo上下文窗口指定为25.6万个token，能同时处理约20万个单词，Kimi升级后，长文本能力为其10倍。在2023年10月初次亮相时，该模型的处理能力还仅有约20万汉字。2024年3月18日，月之暗面宣布Kimi智能助手启动200万字无损上下文内测。
生成式人工智能在新加坡的发展现状和地位
wukangjupingbb的博客
09-11 1133
依据国际隐私专业人员协会(IAPP)的相关报告，2020年，上述两机构更新了该模型框架，发布了第二版，并推出了《组织实施和自我评估指南》，帮助组织评估其人工智能治理实践与型框架的匹配程度，还发布了《案例汇编》，展示了组织如何实施负责任的人工智能治理实践。2019年，金融管理局宣布与金融行业合作创建Veritas框架，为金融机构提供可验证的方法，将FEAT原则纳入其人工智能和数据分析驱动的解决方案中。新加坡在人工智能治理方面采取了部门性的方法，即通过各个行业的监管机构来管理人工智能的使用。
车辆检测与分类系统源码分享
xuehaikj的博客
09-13 1415
数据集信息展示在本研究中，我们采用了名为“comexit”的数据集，以支持对YOLOv8模型在车辆检测与分类任务中的改进。该数据集专注于交通工具的识别，特别是公共交通和货运车辆，具有明确的应用背景和实用价值。数据集的类别数量为三，具体包括“bus”（公交车）、“car”（小汽车）和“truck”（卡车）。这三类车辆在城市交通和物流系统中扮演着重要角色，因此，准确的检测与分类对于交通管理、智能交通系统以及自动驾驶技术的发展具有重要意义。
opencv学习：calcHist 函数绘制图像直方图及代码实现
mohanyelong的博客
09-13 1479
opencv学习：calcHist 函数绘制图像直方图及代码实现
Djourney新手入门基础，AI摄影+AI设计+AI绘画-AIGC作图
DAMOXINGHAITAI的博客
09-14 981
（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值