FRN——小样本学习SOTA模型 本文介绍CVPR2021论文提出的小样本学习模型FRN，其将分类问题归为特征重构问题，以闭合解形式从支持样本回归查询样本特征，性能与效率更优。文中展示了基于PaddlePaddle复现的FRN在mini-ImageNet上的精度，还介绍了数据集、环境依赖、快速开始步骤、代码结构及模型信息等内容。
多目标跟踪之卡尔曼滤波 卡尔曼滤波适用于含不确定信息的动态系统，可推测系统下一步状态，优点是内存占用小、速度快，适合实时和嵌入式系统。在多目标跟踪中，能处理目标位置等测量值的噪声，实现对目标位置的滤波、预测等。其通过高斯分布、协方差矩阵等，结合预测与传感器读数来优化估计。
强化学习——Actor Critic Method 本文介绍CartPole-V0环境中Actor-Critic方法的实现。该方法含Actor和Critic两个网络，前者输出动作概率，后者估计未来回报。训练时，通过交互收集数据，计算回报和优势，分别更新两个网络。实验显示，训练后代理能长时间保持杆子平衡，体现了该方法结合策略与值函数逼近、单步更新、高效利用数据的优势。
基于Attention U-Net的宠物图像分割 本文基于《Attention U-Net: Learning Where to Look for the Pancreas》，实现了用于宠物图像分割的Attention U-Net模型。通过划分数据集，构建含注意力门的网络结构，用RMSProp优化器和交叉熵损失训练，经15轮后在测试集上预测，结果展示了模型对宠物图像的分割效果，验证了其有效性。
行人重识别（ReID）模型训练 该项目为软件杯百度行人跟踪赛题中的行人重识别模型训练，含数据集准备、模型搭建、训练三步骤。先下载并处理Market_net或MARS数据集，按规则整理数据，再搭建ShuffleNet、GhostNet、ResNet网络，最后分别训练这些模型，设置相关参数，以实现行人重识别。
【金融风控系列】_[0]_零基础学习评分卡模型 本文介绍零基础入门金融风控评分卡开发实战。使用某信贷平台40w贷款记录数据，含16列变量，以Defaulter为目标变量预测逾期概率。流程包括数据构建、探索性分析、预处理、特征选择、模型开发与评估，还涉及WOE、IV等指标，对比了逻辑回归与多种集成模型效果。
中国一级保护动物识别 本文围绕20种国家一级保护动物展开，先介绍相关背景、保护意义及刑法规定，再详述数据处理（解压、读取存储、划分、预处理）、数据集类构建、基于MobileNetV2的网络搭建与训练过程，最后展示模型加载及预测结果，旨在通过分类模型相关操作助力保护工作。
