暂时未有相关云产品技术能力~
暂无个人介绍
基于计算机视觉手势识别控制系统YoloGesture (利用YOLO实现) 有详细代码+部署+在线服务器尝试+开源可复现
Tailscale:随时随地远程和使用服务器
基于CIFAR数据集 进行 MAE实现及预训练可视化 (CIFAR for MAE,代码权重日志全部开源,自取)
Coggle 30 Days of ML(23年7月)任务六:训练FastText、Word2Vec词向量
VS Code Server 离线安装(解决超时,XHR Failed等问题)
“数字人交互,与虚拟的自己互动”——用PaddleAvatar打造数字分身,探索人机交互的未来
第十四届蓝桥杯第三期模拟赛 【python】(二)
【虚拟人综述论文】Human-Computer Interaction System: A Survey of Talking-Head Generation
【论文泛读】ConvNeXt:A ConvNet for the 2020s(新时代的卷积)
PyTorch中,18个速度和内存效率优化技巧
服务器设置 SSH 通过密钥登录
【论文泛读】NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis
第十四届蓝桥杯第三期模拟赛 【python】(一)
第十四届蓝桥杯第二期模拟赛 【python】
Pytorch CIFAR10图像分类 Swin Transformer篇(一)
【论文精读】 SadTalker:Stylized Audio-Driven Single Image Talking Face Animation(CVPR2023)
Pytorch CIFAR10图像分类 Swin Transformer篇(二)
【学习打卡03】可解释机器学习笔记之CAM类激活热力图
Pytorch CIFAR10图像分类 ZFNet篇
【学习打卡04】可解释机器学习笔记之Grad-CAM
Linly-Talker是一个将大型语言模型与视觉模型相结合的智能AI系统,创建了一种全新的人机交互方式。它集成了各种技术,例如Whisper、Linly、微软语音服务和SadTalker会说话的生成系统。该系统部署在Gradio上,允许用户通过提供图像与AI助手进行交谈。用户可以根据自己的喜好进行自由的对话或内容生成。
基于CIFAR数据集 进行 MAE实现及预训练可视化 (CIFAR for MAE,代码权重日志全部开源,自取)
由于人工智能的快速发展,虚拟人被广泛应用于各种行业,包括个人辅助、智能客户服务和在线教育。拟人化的数字人可以快速与人接触,并在人机交互中增强用户体验。因此,我们设计了人机交互系统框架,包括语音识别、文本到语音、对话系统和虚拟人生成。接下来,我们通过虚拟人深度生成框架对Talking-Head Generation视频生成模型进行了分类。同时,我们系统地回顾了过去五年来在有声头部视频生成方面的技术进步和趋势,强调了关键工作并总结了数据集。 对于有关于Talking-Head Generation的方法,这是一篇比较好的综述,我想着整理一下里面比较重要的部分,大概了解近几年对虚拟人工作的一些发展和
在机器学习逐渐黑盒化的情况下,人们对模型的可解释性也提出了要求。可解释人工智能(XAI)被列为数据和分析技术领域的top10重要趋势之一。在2017年,美国国防部开展了XAI计划;在2018年,欧洲强调对可解释机器学习的需求。此外,谷歌微软等公司也开展对可解释机器学习相关技术的研究。
首先,我想讲一下,为什么我想学习paddle,或者说为什么要学习paddle。百度已经很早就做paddle了,这可以说是国内最好的学习框架了,他可以说到现在已经非常成熟了,相对于pytorch,他的历史确实没有那么悠久,并且很多人都在用pytorch而不是paddle。不过paddle在国内来说,是比较好的,很多东西都有简单的部署,可以更好的使用,所以我也想学习paddle,也为了有更多机会。
趁着有空的时间,给大家介绍一些有趣的项目吧,比如这个漫画风格迁移神器 AnimeGANv2,可以快速生成自己的漫画形象 动漫是我们日常生活中常见的艺术形式,被广泛应用于广告、电影和儿童教育等多个领域。目前,动漫的制作主要是依靠手工实现。然而,手工制作动漫非常费力,需要非常专业的艺术技巧。对于动漫艺术家来说,创作高质量的动漫作品需要仔细考虑线条、纹理、颜色和阴影,这意味着创作动漫既困难又耗时。因此,能够将真实世界的照片自动转换为高质量动漫风格图像的自动技术是非常有价值的。它不仅能让艺术家们更多专注于创造性的工作,也能让普通人更容易创建自己的动漫作品。
全球百大集装箱港口,更是在 2021 年共完成集装箱吞吐量 6.76 亿 TEU。如此大规模的集装箱数量,使得箱号识别的压力骤增,传统的由人对集装箱号进行识别记录的方式成本高、效率低,运营条件落后。 随着经济和社会的发展,在港口经营中引入人工智能,已经成为传统港口在市场竞争中蜕变升维的关键。 于是希望从环境准备到模型训练,演示如何借助 PaddleOCR,进行集装箱箱号检测识别。
第十四届蓝桥杯第一期模拟赛 python
【论文泛读】 Deep Learning 论文合集
GAN Step By Step -- Step6 LSGAN
GAN Step By Step -- Step5 ACGAN
GAN Step By Step -- Step4 CGAN
GAN Step By Step -- Step3 DCGAN
GAN Step By Step -- Step2 GAN的详细介绍及其应用(下)
GAN Step By Step -- Step2 GAN的详细介绍及其应用
GAN Step By Step -- Step1 GAN介绍
《30天吃掉那只 TensorFlow2.0》 5-1 数据管道Dataset
《30天吃掉那只 TensorFlow2.0》4-5 AutoGraph和tf.Module
Selenium + Chrome带配置项启动
Python + Selenium + Chrome Driver 自动化点击+评论+刷弹幕(仅供学习)
《30天吃掉那只 TensorFlow2.0》 4-4 AutoGraph的机制原理
《30天吃掉那只 TensorFlow2.0》4-3 AutoGraph的使用规范
【手写算法实现】 之 朴素贝叶斯 Naive Bayes 篇
【手写算法实现】 之 KNN K近邻算法
《30天吃掉那只 TensorFlow2.0》 4-2 张量的数学运算
《30天吃掉那只 TensorFlow2.0》 四、TensorFlow的低阶API
《30天吃掉那只 TensorFlow2.0》 3-3 高阶API示范
《30天吃掉那只 TensorFlow2.0》 三、TensorFlow的层次结构
《30天吃掉那只 TensorFlow2.0》 2-3 自动微分机制
《30天吃掉那只 TensorFlow2.0》 2-2 三种计算图