登录社区云，与社区用户共同成长
邀请您加入社区
PPOCRLabel或PPOCR预测结果的4点标注，转目标检测VOC和旋转目标检测roLabelImg数据格式解决方案
没有GPU，如何训练自己的目标检测算法很多初学者想要尝试学习深度学习的时候苦于没有相应的GPU资源，而使用CPU训练任务效率又太低，所以本节内容教大家如何使用在线的免费GPU学习平台，在Ai studio上完成目标检测训练任务。项目地址：fork以后注意修改数据集配置文件内容https://aistudio.baidu.com/aistudio/projectdetail/3795143下载目标检
PaddlePaddle是百度开源的深度学习框架，支持多种硬件平台，适用于自然语言处理、计算机视觉等任务。本文介绍了使用PaddlePaddle构建简单神经网络处理MNIST手写数字分类的过程，包括环境配置、模型定义、数据预处理、训练与评估。通过10个epoch的训练，模型在测试集上表现出良好性能。PaddlePaddle以其易用性和高性能特点，成为深度学习研究和应用的重要工具。
转自AI Studio，原文链接：【AI Workshop】PaddleDetection番茄目标果检测 - 飞桨AI Studio1、项目内容随着日常饮食的逐渐丰富,以番茄为原料的食品种类也在不断地增多。在当下劳动力日渐匮乏的时代,人工采摘番茄耗时耗力,生产成本很高,应大力发展智能采摘设备,提高采摘效率。针对番茄采摘过程中,番茄果实目标识别不准确以及无法对番茄串采摘点定位的问题,开展
基于Attention U-Net的宠物图像分割
飞桨深度学习环境搭建
paddledecton文件中ppdet-utils-visualizer文件中更改，如图所示。总共检测了7个目标，不同的目标对应不同的颜色（rgb值显示）
该项目通过对大数据、智能识别、深度学习等技术的应用，针对常见林业害虫，能够通过智能巡检机器人实时识别害虫并对其分析处理，智能识别害虫种类、识别率、个数等信息，并自动进行相应的防治消杀工作。
厦大飞桨领航团作为校园AI兴趣者的聚集地，未来将持续引入百度及厦门本地的AI技术生态资源，举办更多技术沙龙、实战工作坊与创新赛事，助力每一位厦大学子成长为兼具想象力与执行力的AI人才，为校园注入持久的技术创新活力。2026年已至，百度文心大模型和飞桨将继续与厦门大学并肩，深化产教融合，拓宽交叉学科应用，孵化更多“从0到1”的创新，培养更多领航未来的AI人才。回首2025，我们见证了从一门通识课的诞
本文深入讲解了使用PaddlePaddle框架实现线性回归的完整流程，涵盖了模型定义（包括序列方式和类方式）、数据加载、模型保存（基础API和高级API）、模型加载（基础API和高级API）以及模型网络结构查看等关键步骤，旨在帮助读者全面掌握PaddlePaddle框架下线性回归的实现方法，并理解其背后的原理。同时，文章还涉及曲线拟合的理论与实践，以及多种激活函数的特性与应用，为读者构建扎实的深度
1 准备工作1.1 查询本机信息（1）GPU信息
完整的paddle 飞桨学习代码
综述爬坑一天，终于整出来一套在目前数据集上可以100%准确率的模型，特此分享爬坑心得~因为整体代码结构和上篇手写数字的文章里代码结构比较相似，所以这里只贴出部分代码网络结构目前采用的两套模型是cnn以及vgg，效果都非常不错，其他模型可能后续还会尝试。CNN# cnndef convolutional_neural_network(image, type...
不同模型取得最佳结果时的各项指标:本次实验中，最佳Top-1准确率由ResNet101达到，而MobileNetV3的准确率虽稍逊于ResNet101,其存储开销有较大幅度领先。
本文主要介绍百度PaddlePaddle深度学习框架平台在国产海光DCU AI 并行计算集群的部署安装
文章目录飞桨官方图像分割课程图像分割全连接神经网络什么是FCN与VGG的关系UNet神经网络与FCN的关系Paddle实现UNet ModelRefers飞桨官方图像分割课程https://aistudio.baidu.com/aistudio/course/introduce/1767图像分割图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像
本教程基于PaddleSeg实现图像分割网络HRNet，提供针对人像分割场景从预训练模型、Fine-tune、视频分割预测部署的全流程应用指南。
paddlepaddle
——paddlepaddle
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
