- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 基于飞桨的图神经网络调参心得
介绍最近学习了百度的图神经网络七日打卡营。在这个打卡营中，百度还发布了百度大脑上的“常规赛：论文引用网络节点分类“。该竞赛提供了基线系统，针对基线系统，在调参过程中总结了如下心得：心得尝试改变网络主体结构基线系统提供了不同的图神经网络结构选择，有GCN，GAT，APPNP，SGC和GCNII。我们可以通过比较不同的网络结构的性能好坏选择一个对比赛题目性能较好的网络结构。在选择好网络结构的基础上还可以对网络结构进行魔改，就像课节6中的大神魔改一样。例如，在GAT网络结构中引入ResNet的残差思
2020-11-29 16:27:18
860
原创 使用飞桨实现图像分割模型DeepLabV3的心得
简介最近参加了百度的图像分割打卡营，学习了如何使用飞桨实现图像分割模型DeepLabV3，收获很大。DeepLabV3简介DeepLabV3是DeepLab语义分割系列网络的最新作，其前作有 DeepLabv1，DeepLabv2。该系列模型的比较见下图：模型结构图示比较如下所示：代码实现代码实现比较简单，得益于PaddlePaddle的简单易用。部分代码如下所示：总结DeepLabV3作为图像语义分割的一种经典模型具有结构清晰、效果好的优点。在飞桨中实现起来较容易，效果较好。百度图像
2020-10-26 00:55:59
596
原创 基于PaddleHub的衰老转换
基于PaddleHub的衰老转换项目介绍PaddleHubpyramidbox_face_detectionattgan_celeba项目实现结论项目介绍本项目使用百度的预处理工具PaddleHub，利用人脸检测模型pyramidbox_face_detection，对抗生成模型attgan_celeba尝试进行人脸衰老的图片生成。首先利用pyramidbox_face_detection分割出人脸并保存，然后利用attgan_celeba进行衰老风格图片生成。 文件夹的结构为：people保存的是要
2020-08-30 11:57:31
392
原创 基于PaddlePaddle复现Representation Flow之论文阅读笔记
介绍：本阅读笔记是为百度论文复现营准备的针对论文“Representation Flow for Action Recognition“的阅读笔记。解决的问题：论文主要针对视频理解的场景解决了两个问题：1。 传统的光流计算方法效率低，且传统光流图不一定能有效表征视频帧中的动作信息。2。 已经存在的光流计算网络只能接收传统的RGB帧。提出的方案：一种称为光流表示层的网络，实现了TV-L1光流计算方法。论文的效果体现在两个方面：可以快速的提取动作表示，计算时间比传统方法高效。可以用在CNN
2020-08-08 00:41:39
214
原创 百度PaddlePaddle的PaddleDetection学习心得
介绍：本阅读笔记是为百度论文复现营准备的针对论文“ECO: Efficient Convolutional Network for Online Video Understanding“的阅读笔记。解决的问题：论文主要针对视频理解的场景解决了两个问题：对视频的局部采样经常会遗漏视频中动作间的关系。如果对全部视频进行采样往往是低效的，特别是无法适应对在线视频进行分类的实时性要求。提出的方案：一种称为ECO的网络架构，通过避免抽样具有冗余信息的相邻帧而进行全局采样的策略进行视频处理。具
2020-08-06 14:26:04
1139
原创 使用百度PARL框架中的TD3算法解决四轴飞行器悬浮控制问题
项目任务RLSchool 提供了一系列四轴飞行器的强化学习环境，包括悬浮控制、速度控制等。本文旨在针对悬浮控制环境比较百度Parl强化学习框架算法中的TD3相对于DDPG的优势。理论首先了解下TD3相对于DDPG的区别。TD3的全称是Twin-Delayed Deep Deterministic Policy Gradient，和DDPG相比多了个Twin-Delayed。这也是TD3相对于DDPG的主要区别。和DDPG相比，TD3主要有以下3点改进：TD3 agent 会学习两个Q值，在更新策
2020-07-24 11:51:01
768
原创 基于强化学习中的策略梯度方法解决Pong游戏问题
项目任务基于强化学习中的策略梯度方法PolicyGradient解决打乒乓球游戏问题。预期效果：分数从-21开始逐渐上涨收敛，Test reward的分数可以收敛到0分以上（说明打败对方了），越高越好。该项目使用百度的PaddlePaddle框架在百度的在线平台aistudio上完成。Step1 安装依赖Step2 导入依赖Step3设置超参数Step4 搭建Model、Algorithm、Agent架构网络模型采用全连接神经网络。直接使用百度强化学习库parl中的策略梯度算法。创
2020-06-26 22:53:32
845
原创 使用PaddlePaddle实现车牌识别
任务车牌识别是一个非常常见的深度学习任务。车牌识别是一个多分类任务，需要将照片中的每个字符分别进行识别，完成车牌的识别。实践平台完成该任务的平台为百度AI实训平台-AI Studio，深度学习框架选择了百度的开源深度学习框架PaddlePaddle，版本1.7 ，在编程上采用了动态图实现方式。数据集数据集包括65个文件夹包含0-9，A-Z，以及各省简称图片为1x20x20的灰度图像本次实验中，取其中的10%作为测试集，90%作为训练集选择网络卷积神经网络比全联接的神
2020-06-18 09:08:35
2253
原创 使用PaddleHub实现人脸风格迁移
使用PaddleHub实现人脸风格迁移项目介绍PaddleHubpyramidbox_face_detectionstylepro_artistic项目实现结论项目介绍本项目使用百度的预处理工具PaddleHub，利用人脸检测模型pyramidbox_face_detection和艺术风格迁移模型stylepro_artistic，尝试进行人脸的风格迁移。首先利用pyramidbox_face_detection分割出人脸并保存，然后利用stylepro_artistic进行风格迁移。PaddleHu
2020-06-07 06:27:14
1431
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人