-
2025-07-21 10:21:25
- PaddleSeg代码解读-训练、配置与数据集模块解读
- PaddleSeg是百度基于自家的PaddlePaddle开发的端到端图像分割开发套件。包含多种主流的分割网络。PaddleSeg采用模块化的方式设计，可以通过配置文件方式进行模型组合，帮助开发者在不需要深入了解图像分割原理的情况，实现方便快捷的完成模型的训练与部署。
-
775
-
2025-07-21 10:19:47
- 值分布强化学习 —— C51
- 值分布强化学习是基于价值的强化学习算法，不同于传统方法仅建模累积回报期望值，它对整个分布Z(s,a)建模以保留分布信息。C51是其代表算法，将分布离散为51个支点，输出支点概率，通过投影贝尔曼更新处理分布范围问题，损失函数用KL散度，框架与DQN类似但输出和更新方式不同。
-
347
-
2025-07-21 10:17:17
-
2025-07-21 10:15:52
- 一文搞懂卷积网络之四（空间注意力Non-local）
- 本文介绍CNN注意力机制开篇之作Non-local，其解决传统CNN长距离特征提取不足问题，通过学习特征图点间相关性实现全局联系。文中实现了Embedded Gaussian等三种模块结构，在Cifar10上与ResNet18基线对比实验，发现BottleNeck结构和模块位置对效果影响大，不同版本Non-local性能有差异。
-
671
-
2025-07-21 10:06:44
- 【PaddleHub模型贡献】一行代码实现水表的数字表盘分割
- 本文介绍将水表数字表盘分割模型贡献到PaddleHub的方法。先安装必要库，复现模型：准备数据集，配置GPU，定义图像预处理流程和数据集，用DeepLabv3p训练模型并导出。接着转换模型为PaddleHub模型，补充代码实现旋转剪裁等功能，最后测试安装与调用，实现水表数字表盘分割。
-
1002
-
2025-07-21 10:02:44
- 原来飞桨还可以这么玩！当人工智能邂逅蓝桥杯算法题，会擦出怎样的火花？
- 本文以蓝桥杯的Fibonacci数列、大等于n的最小完全平方数为例，用飞桨解决问题。先阐述神经网络原理，从简单神经元到多层网络，再说明其工作机制。接着分别对两道题生成数据、构建模型、优化器和损失函数，经训练和验证，模型能近似拟合结果，展示了用机器学习解决算法题的思路。
-
279
-
2025-07-21 10:00:05
- 全流程，从零搞懂基于PaddlePaddle的图像分割
- 本项目介绍从零开始完成图像语义分割任务的流程：自建鸽子图片数据集，经拍摄、labelme标注、生成标签图并上传至AI Studio；随后分别基于Paddle2.0 API和PaddleSeg2.0，使用U-Net网络进行训练、验证与预测，展示了两种实现鸽子图像分割的方法。
-
824
-
2025-07-18 19:23:39
-
2025-07-18 15:47:48
- involution：大家一起内卷起来吧
- 本文介绍用Layer方式搭建involution算子，以此魔改ResNet打造RedNet模型，已加入【Paddle-Image-Models】项目，含转换后的官方预训练参数，精度基本对齐。还展示了算子和模型的搭建代码、测试情况及精度验证结果，RedNet性能和效率优于ResNet等模型。
-
419
-
2025-07-18 15:10:59
- 关于优化IDS入侵检测系统告警误报的措施
- 由于网络环境的复杂性和数据的海量性，多数安全产品都面临着误报率较高的问题，这些不可避免的误报不仅会消耗一定的资源和时间进行处理，还会降低安全分析人员对告警的铭感度，分散其处理真正安全威胁的精力。
-
976
