qq_45684033的博客

推荐系统主要由用户端、管理员端组成。用户端主要负责用户注册、登录、信息维护、搜索电影、查看电影、电影评分、个性化推荐等，管理员端负责管理员登录、信息维护、用户管理、电影类型管理、电影管理、评分管理等。用户端功能设计：1、用户在系统首页可浏览电影、搜索电影、个性化推荐。2、用户输入用户名、年龄、性别、邮箱、登录密码进行注册。3、用户注册成功后输入正确的登录凭证进入系统，若登录凭证不正确，系统会自动返回到登录页面，提示用户重新输入登录信息，直到用户成功登录进入系统。4、用户成功进入系统后，可以进行电影打分、修改

2021SC@SDUSC本文为PaddleDetection整体结构概述结构图：核心思想是通过yaml文件通过将主体模块和可拔插的模块组成完整的pipline，用于train、eval、infer、export_model. yaml文件就相当于设计图纸，程序会按照我们的图纸来设计我们想要的结构。每个文件夹存放文件的主要作用：'''tree -f#显示显示完整路径tree -d#显示所有文件夹└── PaddleDetection #主目录 ├── conf

2021SC@SDUSC本文分析PaddleDetection-YOLOv3模型结构：Head部分算法结构图：modeling/head/yolo_head.py源码解析：在yaml的配置：/configs/_base_/models/yolov3_darknet53.yml'''YOLOv3Head:#初始化 anchors: [[10, 13], [16, 30], [33, 23], [30, 61], [62, 45], [59, 119],

本文分析PaddleDetection-YOLOv3的模型结构

首先上接Head部分modeling/mask.py、modeling/head/mask_head.py解读：相关配置文件：'''Mask: #掩膜 mask_target_generator: #产生掩膜 name: MaskTargetGenerator #产生掩膜类名 mask_resolution: 28 #像素值'''掩膜类：@registerclass Mask(object): __inject__ = ['mask_target

本文章为PaddleDetection-MaskRcnn的结构拆分首先是Head部分，算法结构图：首先是在yaml的配置文件：/configs/_base_/models/mask_rcnn_r50_fpn.yml'''RPNHead: #RPNHead类名 rpn_feat: #rpn特征 name: RPNFeat #类名 feat_in: 256 #输入通道数 feat_out: 256 #输出通道数 anchor_per_position: 3 #

模型结构拆分为Backbone、Neck、Head、Post_Process四部分首先是Backbone,算法结构图：modeling/backbone/resnet.py源码解析首先是在yaml的配置文件：/configs/_base_/models/mask_rcnn_r50_fpn.yml'''ResNet:#初始化 # index 0 stands for res2 depth: 50 #网络层数 norm_type: bn #BN类型 freeze_at:

Mask Rcnn整体结构对应PaddleDetection的流程图modeling/architecture/mask_rcnn.py源码解析在yaml的配置：/configs/_base_/models/mask_rcnn_r50_fpn.yml'''# Model Achitecture# MaskRCNNYOLOV3结构，包括了以下主要组MaskRCNN: # model anchor info flow anchor: Anchor proposa.

ppdet/data/reader.py源码分析首先是在yaml上的配置：文件./_base_/datasets/coco.yml'''metric: COCO # 验证模型的评测标准，可以选择COCO或者VOC # 用于训练或验证的数据集的类别数目，注意这里不含背景类 # RCNN系列中包含背景类，即81=80 + 1（背景类）num_classes: 80 #类别数量TrainDataset

本文为后处理程序

本文为PaddleDetection模型进行预测程序的解析

如题

如题

本周分析PaddleDetection特色模型人脸识别里的算法细节BlazeFace。BlazeFace 是一个轻量且性能出色的人脸检测器，为移动 GPU 推理量身定制。它在旗舰设备上的运行速度为200-1000+ FPS。这种超实时性能使其能够应用于任何增强现实管道，该管道需要准确的面部感兴趣区域作为任务特定模型的输入，例如2D/3D 面部关键点或几何估计，人脸特征或表情分类，以及人脸区域分割。BlazeFace 的贡献包括：一个轻量级的特征提取网络，其灵感来自于 MobileNetV1/V2；

2021SC@SDUSC项目简介：PaddleDetection飞桨目标检测开发套件，旨在帮助开发者更快更好地完成检测模型的组建、训练、优化及部署等全开发流程。PaddleDetection模块化地实现了多种主流目标检测算法，提供了丰富的数据增强策略、网络模块组件（如骨干网络）、损失函数等，并集成了模型压缩和跨平台高性能部署能力。经过长时间产业实践打磨，PaddleDetection已拥有顺畅、卓越的使用体验，被工业质检、遥感图像检测、无人巡检、新零售、互联网、科研等十多个行业的开发者广泛应