摘要：
说明： 本例程使用YOLOv3进行昆虫检测。例程分为数据处理、模型设计、损失函数、训练模型、模型预测和测试模型六个部分。本篇为第一部分，实现了昆虫检测训练的数据预处理功能和预测和测试时读取和显示数据功能。 数据集下载地址：https://aistudio.baidu.com/aistudio/dat 阅读全文
摘要：
YOLOv3：一个增加改进 约瑟夫·雷德曼等 摘 要 我们给YOLO提供了一些更新。我们做了一些小的修改，使它变得更好。我们还训练了这个新网络，它表现的非常好。它比上次要大一点，但是更准确。同时它也足够快，这点不用担心。当320×320时，YOLOv3运行只用22 ms，有28.2 mAP。准确率相 阅读全文
摘要：
YOLO9000：更好，更快，更强 约瑟夫·雷德曼等 摘 要 我们介绍最先进的实时检测系统YOLO9000能检测超过9000个物体类别。首先，我们对YOLO检测方法提出了多种改进方法，包括新颖的和从之前工作中的。这个改进的模型YOLOv2在标准检测任务像PASCAL VOC和COCO上是最先进的。使 阅读全文
摘要：
你只看一次：统一的，实时的目标检测 约瑟夫·雷德曼等 摘 要 我们提出了一种新的目标检测方法YOLO。先前在目标检测的工作中重新调整分类来执行检测。我们把目标检测做为一个空间分割边界框和关联类别概率的回归问题框架。一个神经网络在一次评估中，从一张图片中直接预测边界框和类别概率。因为全部的检测流水线在 阅读全文
摘要：
说明： 本例程使用动态图实现的LeNet，AlexNet，VGGNet，GOOGLeNet和ResNet实现iChanglle-PM病理近视数据集的图像分类任务。 实验代码： 相关类库 import os import time import random import numpy as np im 阅读全文
摘要：
说明： 生成对抗网络（Generative Adversarial Network [1]，简称GAN）是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。本例程使用DCGAN网络和MNIST数据集生成数字字符。 实验代码： import paddle import paddle.f 阅读全文
摘要：
说明： 本例程使用vggnet-16来进行cifar10图像分类。 实验代码： 1 import paddle 2 import paddle.fluid as fluid 3 import numpy 4 from paddle.utils.plot import Ploter 5 from PI 阅读全文
摘要：
说明： 深度学习的入门教程，一般都是 MNIST 数据库上的手写识别问题。原因是手写识别属于典型的图像分类问题，比较简单，同时MNIST数据集也很完备。MNIST数据集作为一个简单的计算机视觉数据集，包含一系列如图1所示的手写数字图片和对应的标签。图片是28x28的像素矩阵，标签则对应着0~9的10 阅读全文
摘要：
说明： MNIST手写数字数据集非常经典，它由60000个训练样本和10000个测试样本组成，每个样本都是一张28×28的灰度图片。直接下载下来的MNIST数据是无法通过解压或应用程序打开的，因为它里面的文件不是标准的图像格式，而是以字节的形式存储的，所以需要借助编程的手段来打开。 实验代码： 1 阅读全文
摘要：
说明： 使用从UCI Housing Data Set获得的波士顿房价数据集进行模型的训练和预测。 实验代码： 静态图 1 import paddle 2 import paddle.fluid as fluid 3 from paddle.utils.plot import Ploter 4 im 阅读全文