新闻中心 
-
07-21Paddle2.0案例： 人脸关键点检测在图像处理中，关键点本质上是一种特征。它是对一个固定区域或者空间物理关系的抽象描述，描述的是一定邻域范围内的组合或上下文关系。它不仅仅是一个点信息，或代表一个位...
-
07-18浅析 Swin Transformer本文围绕Swin Transformer展开，介绍其作为通用视觉骨干网，采用层次化结构与移位窗口机制提升效率。解读其解决CV挑战的创新点，展示代码构造，包括ML...
-
07-18基于 Paddle2.0 实现 DLA 模型本文介绍了Deep Layer Aggregation（DLA）模型，将聚合定义为网络不同层的组合，提出深度可聚合结构，通过迭代深层聚合（IDA）和分层深度聚合...
-
07-18FF Only：Attention真的需要吗？本文复现去attention化论文，以Feed-Forward替代Transformer的attention层，基于ViT、DeiT模型在ImageNet表现良...
-
07-18Paddle2.0：浅析并实现 FcaNet 模型FcaNet通过频率域分析重新审视通道注意力，证明GAP是二维DCT的特例。据此将通道注意力推广到频域，提出多谱通道注意力框架，通过选择更多频率分量引入更多信息...
-
07-18浅析并实现 CycleMLP，一种用于密集预测的类 MLP 模型CycleMLP是用于视觉识别和密集预测的通用主干，相较MLP Mixer等模型，能处理不同图像大小，以线性计算复杂度实现局部窗口操作。其核心是Cycle FC...
