-
2025-08-01 17:12:36
- 点云处理：基于Paddle2.0实现PointNet++对点云进行分类（总汇）
- 该项目总汇基于Paddle2.0实现PointNet++对点云的分类，涵盖单尺度（SSG）和多尺度（MSG）两种类型。内容包括拆解并搭建SSG的Sampling层、Grouping层等基础部分，完成其整体组网与训练；还搭建MSG的PointNetSetAbstractionMsg层，实现整体组网与训练，参考了相关论文及开源项目。
-
587
-
2025-08-01 17:11:06
- 松哥带你生成像素风格图像（像素风证件照也是没问题滴~）
- 松哥分享了两种生成像素风格图像的方法，包括像素风证件照。方法一用Python的PIL库，将图片分成块，以块中最多颜色填充，效果一般。方法二用Tiler工具，可生成像素画，支持自定义像素块，如用PaddlePaddle的logo，生成时间较长，结果保存为out.png。
-
509
-
2025-08-01 16:59:12
- 【校园AI Day-AI workshop】快速用PP-OCRv3识别并重命名
- 在实际的工作中，有时候需要根据图片中的指定区域进行重命名，通过PaddleOCR和PP-OCRv3实现可自主框选识别区，实现识别内容的精确提取。本任务提供30张交付验收单，采用PP-OCRv3的文字检测、文字识别,方向检测等模型通过PaddleOCR来组合完成识别图片中的铁塔名称，并根据该字段完成对图片的重命名。
-
464
-
2025-08-01 16:57:23
- 深度学习中的各类上采样算子
- 本文介绍了深度学习分割任务中Decoder阶段的多种上采样方法。包括规则上采样的Upsample（如双线性插值）、通过周期筛选实现的PixelShuffle、基于最大值位置还原的MaxUnPool2D、需学习参数的Conv2DTranspose（反卷积），以及不规则上采样的grid_sample，并结合示例展示了各方法的效果与特点。
-
792
-
2025-08-01 16:23:08
- 机械翻译领域适应
- 本文围绕低资源神经机器翻译的领域适应方法展开研究，使用口语、专利领域的中英平行句对构建并训练中译英模型，经迁移学习后，在口语、专利、医药测试集测试。结果显示迁移训练后专利领域翻译效果提升显著，验证了领域适应方法的有效性。
-
389
-
2025-08-01 15:53:54
- 【AI达人创造营第二期】目标检测中的loss函数
- 目标检测是计算机视觉的一个重要研究领域，其中boundingbox的回归是非常重要的步骤，指导网络如何优化网络中的参数使得bbox和gt更接近的就是loss函数，通过损失函数可以得到预测结果与真实值的差距。选择合适的loss能大大加速网络收敛，提高网络性能。
-
623
-
2025-08-01 15:52:08
- 『飞桨领航团AI达人创造营』基于LGBM的模型预测借款人是否能按期还款
- 本文介绍基于LGBM模型预测借款人还款情况的项目。用40000条训练集和15000条测试集数据，经数据加载、预处理和特征工程，构建如贷款金额与缴存额组合等特征。选择LGBM算法，通过多轮参数调优，采用分层K折交叉验证训练，最终模型AUC均值较高，可辅助银行判断借款人信用。
-
691
-
2025-08-01 15:50:12
- 【NIPS 2024】弥合鸿沟:重新考虑Softmax和线性注意力
- 本文分析了Softmax与线性注意力的性能差距，指出核心在于单射性质和局部建模能力。线性注意力因非单射导致语义混淆，且局部建模不足；Softmax注意力则具备单射性和强局部建模能力。据此提出InLine注意力，通过改进归一化赋予单射性，实验证明其在保持线性复杂度的同时，性能可优于Softmax注意力。
-
987
-
2025-08-01 15:04:51
-
2025-08-01 14:54:57
- 基于PaddlePaddle2.0-构建动态时间归整模型(DTW)
- 本文介绍基于PaddlePaddle2.0构建动态时间规整（DTW）模型的方法。DTW用于计算两时间序列相似度，适用于语音识别等场景，能解决序列长度不一致问题，但不适用于交叉对应关系的序列。文中举例说明DTW建模流程，包括初始化距离矩阵、用动态规划找最短路径，并给出了基于PaddlePaddle2.0的实现代码及示例计算结果。
-
230
