飞桨 paddlepaddle论文复现

最新推荐文章于 2025-11-10 00:40:24 发布
原创 最新推荐文章于 2025-11-10 00:40:24 发布 · 318 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#神经网络 #机器学习 #算法

开始复现StarGANv2论文，该论文专注于多个领域的多样图像合成技术。通过AISTUDIO提供的课程链接深入理解并实践论文内容。

今天开始进行论文复现，题目是
StarGAN v2: Diverse Image Synthesis for Multiple Domains
内容附加论文复现课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340
今日之后开始更新

飞桨-论文复现 （PaddlePaddle）
qq_37296817的博客
08-06 1169
飞桨-论文复现 （PaddlePaddle） 内容附加论文复现课程链接：https://aistudio.baidu.com/aistudio/education/group/info/1340 论文：《Large scale GAN training for high fidelity natural image synthesis》 论文地址：https://arxiv.org/pdf/1809.11096.pdf 或 http://xxx.itp.ac.cn/pdf/1809.11096.pdf 文章
【飞桨】【paddlepaddle】【论文复现】论文解读-BigGAN
laser7的博客
08-06 352
<font size=4> 论文复现课程链接：[https://aistudio.baidu.com/aistudio/education/group/info/1340](https://aistudio.baidu.com/aistudio/education/group/info/1340) 论文链接：[Large Scale GAN Training for High Fidelity Natural Image Synthesis](https://arxiv.org/abs/..
【飞桨】【论文复现】Few-shot Video-to-Video Synthesis
weixin_48733317的博客
08-06 635
百度顶会论文复现营作业 https://aistudio.baidu.com/aistudio/education/group/info/1340 下面是对论文的阅读总结 ：Few-shot Video-to-Video Synthesis 这篇论文是从vid2vid 的工作改进来的， 最重要的improvement是允许用户在test time 的时候提供example photo来生成目标视频。而以前的方法是要对不同的example 分别training， 而且要求不少的pair phot...
飞桨论文复现（前篇）——Representation Flow for Action Recognition论文心得
nikankind的博客
08-06 354
飞桨论文复现（前篇）——Representation Flow for Action Recognition论文心得 Representation Flow for Action Recognition论文简介 本文于2019年发布于CV领域顶级会议CVPR，在视频分类/行为辨识方面提出了一些创新方法，并附加了大量实验，实验结果表明该文在计算速度及准确率方面均达到业界领先水平。 在AI视频分类领域中，提高分类准确率的主流方法是引入光流信息，光流反映了两帧视频中局部图像的位移信息（Temporal Infor
飞桨论文复现-BigGANs
weixin_38892793的博客
08-06 334
飞桨论文复现-BigGANs论文摘要论文学习心得 论文摘要 尽管近期由于生成图像建模的研究进展，从复杂数据集例如 ImageNet 中生成高分辨率、多样性的样本仍然是很大的挑战。为此，在这篇提交到 ICLR 2019 的论文中，研究者尝试在最大规模的数据集中训练生成对抗网络，并研究在这种规模的训练下的不稳定性。研究者发现应用垂直正则化（orthogonal regularization）到生成器可以使其服从简单的「截断技巧」（truncation trick），从而允许通过截断隐空间来精调样本保真度和多样性
飞桨paddlepaddle论文复现营论文阅读笔记
weixin_45662166的博客
08-06 527
飞桨paddlepaddle论文复现营论文阅读笔记论文：ECO: Efficient Convolutional Network for Online Video Understanding摘要相关工作网络体系结构ECO Lite & ECO Full算法过程： 论文：ECO: Efficient Convolutional Network for Online Video Understanding 摘要 目前视频理解技术存在两个问题： （1）推理的主要部分是在视频中局部进行的，因此，它忽略了几秒钟内动作
飞桨PaddlePaddle论文复现营论文学习心得
qq_39307436的博客
08-05 569
【飞桨PaddlePaddle论文复现营】【论文心得】Learning Spatio-Temporal Features with 3D Residual Networks for Action Recognition论文解读正文网络结构训练细节训练结果总结链接 论文解读 这篇论文是ICCV 2017上的workshop，主要提出了一种3D结构的ResNet网络用于视频分类任务，并且公布了Github源码，对于我这种初学小白可以说非常友好，推荐大家读完论文可以跑跑代码，加深理解。下面简单解读论文的主要内容：
飞桨PaddlePaddle论文复现营-U-GAT-IT论文解读
Steven_mask的博客
08-06 705
飞桨PaddlePaddle论文复现营-U-GAT-IT论文解读 U-GAT-IT U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation 将自适应实例归一化层应用于无监督生成注意网络的图像到图像转换 code（代码） ： https://github.com/taki0112/UGATIT（tensorfl
百度飞桨PaddlePaddle论文复现训练营——U-GAT-IT 论文复现心得
AItrust的博客
08-23 721
项目背景 本次论文复现是源自百度顶会论文复现营： https://aistudio.baidu.com/aistudio/education/group/info/1340 复现对象是 2020 ICLR 上的 U-GAT-IT 这篇论文： https://github.com/znxlwm/UGATIT-pytorch 论文阅读笔记： https://blog.youkuaiyun.com/qq_42067550/article/details/107833629 论文的源代码是 Pytorch 版本
【飞桨】【论文复现】 笔记
BagEnd
08-06 330
本感想是百度飞桨论文复现营的作业 XD 复现营链接：https://aistudio.baidu.com/aistudio/education/group/info/1340 选择的论文是Large scale GAN training for high fidelity natural image synthesis 这篇论文主要介绍一种在生成ImageNet任务上表现超级出色的网络：BigGAN 增加batchsize和通道数 在实验中，作者将batch size提升到了原有的8倍（2048），同时将
研究：使用PaddlePaddle进行新颖的深度学习研究
02-03
研究 发布基于飞轮的前沿研究工作，包括CV，NLP，KG，STDM等领域的顶会论文和比赛冠军模型。 目录 计算机视觉 任务类型 目录 简介 论文链接 图像检索 基于GNN的快速图像检索。 车流统计 AICITY2020车流统计竞赛数据集A TOP1方案。 -- 车辆再识别 给定目标车辆，在检索库中检索同id车辆，支持多种特征子网络。 -- 车辆异常检测 在监控视频中检测车辆异常情况，例如车辆碰撞，失速等。 -- 医学图像分析 任务：在AS-OCT图像的公共数据集上进行闭角类型分类和巩膜突点定位；相应模型：对应以上各任务的替代模型。 -- 光流估计 基于金字塔式处理，逐层学习细部光流，设计代价容量函数三原则的CNN模型，用于光流估计。 语义分割 针对多个数据集的图像语义分割模型的实现，包括Cityscapes，Pascal Context和ADE20K。 -- 轻量化检测 百度之星轻量化检测比赛评估工具。 -- 地标检索与识别 基于检索的地标检索与识别系统，支持地标型与非地标型识别，识别与检索结果相结合的多重识别结果投票和重新排序。 图像分类 模型利用重定义网络（URNet）
【飞桨论文复现-异常检测】SSPCAB
m0_63642362的博客
08-13 1785
基于飞桨深度学习框架搭建异常检测模型，复现论文 《Self-Supervised Predictive Convolutional Attentive Block》
【飞桨论文复现赛-小样本学习】MatchingNet
m0_63642362的博客
05-19 1307
转自AI Studio，原文链接： 【飞桨论文复现赛-小样本学习】MatchingNet - 飞桨AI Studio 一、前言 本项目为百度论文复现赛《Matching Networks for One Shot Learning》论文复现代码。 依赖环境： paddlepaddle-gpu2.2.2 python3.7 在miniImageNet数据集下训练和测试。 5-way Acc： 1-shot 5-shot 论文 46.6% 60.0% 复现
飞桨论文复现挑战赛（第四期）冠军 —— paddle-SAM
过招
09-27 2286
论文复现：Only a Matter of Style: Age Transformation Using a Style-Based Regression Model 一、简介 本文提出了一种图像到图像（image-to-image）的年龄转换方法，该方法促使编码器学习将真实面部图像编码到预先训练的无条件 GAN（例如 StyleGAN）的潜在空间中，该编码器会受到给定的年龄变化的影响。 本文将老化过程作为输入年龄和目标年龄之间的回归任务，对生成图像的年龄提供细粒度控制（而不是只能老化到给定的年龄），使
飞桨PaddlePaddle论文复现营TPN论文复现心得
weixin_41210441的博客
08-22 609
前言 首先感谢百度AISTUDIO提供的学习、实践平台，推广的飞桨框架也十分方便使用，这次的论文复现仅使用百度的云算力(32G的Tesla V100)和飞桨框架。 这次我选择要复现的论文是TPN，Temporal Pyramid Network for Action Recognition。 论文地址是: https//arxiv.org/pdf/2004.03548.pdf 原来的代码是基于pytorch框架的，而且是构建在mmaction的基础上，所以还是比较规范的。 课程班主任有心地提供了pytor
百度飞桨顶会论文复现营DETR解读笔记
SSyangguang的博客
06-02 3582
百度飞桨顶会论文复现营DETR解读笔记 目标检测两个关键子任务：目标分类和目标定位。 DETR模型是将目标检测视为集合预测（set prediction）的方式，将训练和预测做到真正的端对端，不需要NMS的后处理，也不需要人为设置anchor。核心是1.set-based的全局Loss，使用二分图匹配生成唯一的预测；2.基于encoder-decoder的transformer。 CNN代表图像特征编码的backbone，transformer后面的输出是最终预测的结果集合，transformer
揭秘飞桨模型库贡献者：从论文复现到产业落地的实战之路
最新发布
gitblog_00748的博客
11-10 755
你是否也曾面临论文复现耗时数月却无法落地的困境？是否在开源贡献中因格式规范繁杂而望而却步？本文将通过PP-HumanV2等明星项目的诞生历程，带你走进飞桨模型库社区贡献者的真实世界，揭秘如何将学术创新转化为产业级解决方案。读完本文，你将掌握论文复现的高效方法论、开源项目的标准化流程，以及从代码到产品的全链路落地技巧。 ## 社区贡献者的"破局"故事 在飞桨模型库[modelcenter/com
组队瓜分百万奖金池，资深算法工程师带你挑战飞桨论文复现赛！
PaddlePaddle
08-07 496
点击左上方蓝字关注我们你是否正在焦虑找不到好的论文？好不容易找到了paper，无法复现出code？缺少科研同行交流，只能独自一人闭门造车？是的，论文复现是要想最快的学习和了解AI领域的方式...
百度飞桨顶会论文复现营目标检测综述笔记
SSyangguang的博客
05-26 738
参加了百度飞桨顶会论文复现营第二期，这次是目标检测综述的笔记。 RCNN到Faster RCNN这几种模型讲的实在太多了，直接从FPN开始吧。 FPN：通过将深层特征与浅层特征相融合，并在多层预测，加强了浅层特征图的语义，特征更加鲁棒，定位更加准确。同时提高了检测精度，尤其对于小目标。模型结构图中蓝框越粗语义信息越多，图像分辨率越小，篮框越细上下文信息更强，图像分辨率越高。 与Faster RCNN相比，FPN将单一尺度特征图上通过RPN网络提取的region proposal映射到特征金字塔多个
飞桨框架模型复现专题赛——人工智能大赛创新应用
资源摘要信息: "人工智能创新应用大赛——飞桨开源框架前沿模型复现专题赛.zip" 1. 人工智能创新应用大赛介绍: 人工智能创新应用大赛是一种旨在推动人工智能技术发展与应用的竞赛形式，通常由教育机构、企业或专业...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值