- 
                            
                                
                                     2025-07-22 11:59:21 2025-07-22 11:59:21
 
                                    
                                        - 【金融风控系列】_[3]_贷款违约识别
- 本文围绕Kaggle的Home Credit Default Risk赛题展开,利用客户申请表等7张表数据构建模型预测客户还款能力。通过数据清洗、特征工程,融合多表信息生成衍生特征,经LightGBM模型训练,最终线上评分为0.78277,为信用记录不足人群的贷款评估提供参考。
- 
                                            304
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:46:15 2025-07-22 11:46:15
 
                                    
                                        - 【AI达人特训营第三期】:PaddleSeg助力自动驾驶场景分割
- 本文介绍基于ADE20K数据集,用PaddleSeg工具进行场景解析的过程。先解压相关套件与数据集,加载并预处理数据。选用GCnet模型,其简化注意力机制高效,还提及KNet等其他算法及两种分割方式的优劣。训练后,GCnet在mIoU、耗时和模型大小上优于Upernet,最后分享了调参等经验。
- 
                                            676
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:44:46 2025-07-22 11:44:46
 
                                    
                                        - 基于PicoDet和卡尔曼滤波的多目标跟踪
- 本项目遵循SORT算法思路,用PaddleX的PicoDet作行人检测器,设计基于卡尔曼滤波的边框估计模型,以边框交并比为度量,通过Jonker-Volgenant算法匹配,实现简单行人多目标跟踪。还分析了SORT不足,为后续按DeepSORT思路优化提供方向。
- 
                                            534
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:42:47 2025-07-22 11:42:47
 
                                    
                                        - 骨骼点动作识别-基于Paddle复现PoseC3D
- 本文介绍基于Paddle复现的PoseC3D模型,其以3D热图堆栈为人体骨架表示,用3D-CNN分类,较GCN方法在时空特征学习等方面更优。复现在UCF-101数据集上达87.05%的top1准确率,详述了网络结构、环境依赖、数据集、代码结构及训练测试等流程,还提及复现心得。
- 
                                            740
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:41:15 2025-07-22 11:41:15
 
                                    
                                        - 手把手教你用PaddleDetection套件训练目标检测模型
- 本文详细介绍使用PaddleDetection套件完成目标检测模型训练的流程。包括数据准备(收集、处理、清洗、标注、导出及预处理)、环境准备(安装套件和依赖)、生成训练所需文件与数据分析,还涉及模型配置修改、训练、检验、导出及打包下载等步骤。
- 
                                            724
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:13:39 2025-07-22 11:13:39
 
 
- 
                            
                                
                                     2025-07-22 11:12:19 2025-07-22 11:12:19
 
                                    
                                        - 瓷砖表面瑕疵检测
- 本项目聚焦佛山瓷砖表面瑕疵智能检测,针对质检依赖人工的问题,开发计算机视觉算法。处理含12类常见瑕疵的数据集,通过分块、翻转等七种数据增强,转换为COCO格式并解决类别不均衡。用PaddleDetection的Faster-RCNN等模型训练,经评估和预测,提升检测效率与准确性,减少人工依赖。
- 
                                            538
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:10:00 2025-07-22 11:10:00
 
                                    
                                        - 基于PaddleNLP的智能文本纠错
- 本次赛题聚焦智能文本纠错,针对智媒与文化领域文本的语法、拼写等错误检测与纠正。介绍了数据集情况,初赛、决赛训练集含id、语句及修改后语句,测试集字段有差异。还阐述了基于百度ACL 2021相关策略的模型,包括文件结构、训练、预测、部署步骤及参考文献,模型在SIGHAN测试集有一定效果。
- 
                                            1024
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:08:36 2025-07-22 11:08:36
 
                                    
                                        - Monodepth2-基于自监督学习的单目深度估计模型
- Monodepth2是ICCV2019发表的自监督单目深度估计方法,为Monodepth升级版。其结合双目图像与单目序列自监督方法,含深度预测和位姿变换预测网络,引入多种优化策略获当时SOTA。本文介绍其复现过程,用KITTI数据集,经640x192训练及1024x320微调,abs_rel达0.104,还含数据集、代码结构等信息。
- 
                                            243
                                            
                                        
 
 
 
- 
                            
                                
                                     2025-07-22 11:06:51 2025-07-22 11:06:51
 
                                    
                                        - 【金融风控系列】_[2]_欺诈识别
- 本文围绕IEEE-CIS欺诈检测赛题展开,目标是识别欺诈交易。介绍了训练集和测试集数据情况,含交易和身份数据字段。阐述了关键策略,如构建用户唯一标识、聚合特征等,还涉及特征选择、编码、验证策略及模型训练,最终线上评分为0.959221,旨在学习特征构建。
- 
                                            681