新闻中心 
-
07-23Paddle2.2复现经典论文Transformer(理论篇)本文围绕Transformer展开理论解析，其源自《Attention is All You Need》，是首个完全依赖注意力机制的转导模型，无需递归和卷积。模...
-
07-22Swin Transformer：层次化视觉 Transformer本文介绍了Swin Transformer模型的代码复现情况。作者完成了BackBone代码迁移，ImageNet 1k预训练模型可用且精度对齐，模型代码和Im...
-
07-22【图像去噪】第七期论文复现赛——SwinIR作者引入Swin-T结构应用于低级视觉任务，包括图像超分辨率重建、图像去噪、图像压缩伪影去除。SwinIR网络由一个浅层特征提取模块、深层特征提取模块、重建模块...
-
07-22基于PicoDet和卡尔曼滤波的多目标跟踪本项目遵循SORT算法思路，用PaddleX的PicoDet作行人检测器，设计基于卡尔曼滤波的边框估计模型，以边框交并比为度量，通过Jonker-Volgena...
-
07-22【论文复现】PatchCore: 面向全召回率的工业异常检测本文基于PaddlePaddle复现PatchCore工业异常检测算法，改进特征提取与筛选，用KNN Greedy CoreSet采样构建记忆池，采用新策略算异...
-
07-21基于BERT实现机器阅读理解本文介绍基于BERT的阅读理解实验，旨在掌握BERT相关知识及飞桨构建方法。实验以DuReaderRobust数据集为对象，通过数据处理、模型构建等六步实现。数...
