腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
CSDN博客
本人的CSDN博客：https://yeyupiaoling.blog.csdn.net/
专栏作者
举报
151
文章
251355
阅读量
35
订阅数
订阅专栏
申请加入专栏
全部文章（151）
深度学习（75）
人工智能（46）
神经网络（40）
https（30）
python（25）
android（23）
网络安全（21）
编程算法（15）
语音识别（14）
tensorflow（13）
java（11）
图像识别（11）
人脸识别（9）
机器学习（7）
xml（7）
打包（7）
声纹识别（6）
模型（6）
pytorch（5）
c++（4）
云数据库 SQL Server（4）
ide（4）
github（4）
api（4）
linux（4）
腾讯云测试服务（4）
http（4）
数据（4）
语音（4）
bash（3）
node.js（3）
android studio（3）
数据库（3）
sql（3）
ubuntu（3）
文字识别（3）
网站（3）
开源（3）
卷积神经网络（3）
windows（3）
程序（3）
日志（3）
php（2）
c#（2）
json（2）
phpmyadmin（2）
flask（2）
git（2）
tomcat（2）
centos（2）
容器镜像服务（2）
访问管理（2）
TDSQL MySQL 版（2）
语音合成（2）
容器（2）
存储（2）
opencv（2）
lan（2）
服务（2）
系统（2）
音频（2）
源码（2）
负载均衡（1）
servlet（1）
jsp（1）
jquery ui（1）
css（1）
html（1）
mvc（1）
matlab（1）
负载均衡缓存（1）
nginx（1）
bash 指令（1）
spring（1）
黑石物理服务器（1）
文件存储（1）
视频处理（1）
serverless（1）
游戏（1）
缓存（1）
爬虫（1）
html5（1）
强化学习（1）
正则表达式（1）
gui（1）
numpy（1）
监督学习（1）
线性回归（1）
keras（1）
tcp/ip（1）
迁移学习（1）
powershell（1）
数据分析（1）
腾讯云开发者社区（1）
sdk（1）
验证码（1）
detection（1）
function（1）
overflow（1）
random（1）
system（1）
time（1）
transform（1）
voice（1）
web（1）
并发（1）
服务器（1）
工具（1）
框架（1）
视频（1）
调试（1）
搜索文章
搜索
搜索
关闭
基于PaddlePaddle实现的目标检测模型PP-YOLO
图像识别
神经网络
深度学习
人工智能
python
PP-YOLO是PaddleDetection优化和改进的YOLOv3的模型，其精度(COCO数据集mAP)和推理速度均优于YOLOv4模型，PP-YOLO在COCO test-dev2017数据集上精度达到45.9%，在单卡V100上FP32推理速度为72.9 FPS, V100上开启TensorRT下FP16推理速度为155.6 FPS。其中还包含了PP-YOLO tiny模型，此模型后量化压缩模型，将模型体积压缩到1.3M，对精度和预测速度基本无影响。
夜雨飘零
2021-12-07
795
0
基于Paddle Lite在Android手机上实现图像分类
android
图像识别
人工智能
深度学习
Paddle Lite是飞桨基于Paddle Mobile全新升级推出的端侧推理引擎，在多硬件、多平台以及硬件混合调度的支持上更加完备，为包括手机在内的端侧场景的AI应用提供高效轻量的推理能力，有效解决手机算力和内存限制等问题，致力于推动AI应用更广泛的落地。
夜雨飘零
2020-08-02
719
0
基于Tensorflow2 Lite在Android手机上实现图像分类
tensorflow
图像识别
android
Tensorflow2之后，训练保存的模型也有所变化，基于Keras接口搭建的网络模型默认保存的模型是h5格式的，而之前的模型格式是pb。Tensorflow2的h5格式的模型转换成tflite格式模型非常方便。本教程就是介绍如何使用Tensorflow2的Keras接口训练分类模型并使用Tensorflow Lite部署到Android设备上。
夜雨飘零
2020-07-22
3.1K
0
《我的PaddlePaddle学习之路》笔记十——自定义图像数据集实现目标检测
深度学习
人工智能
图像识别
在阅读这一篇文章之前，要先阅读上一篇文章使用VOC数据集的实现目标检测，因为大部分的程序都是使用上一篇文章所使用到的代码和数据集的格式。在这篇文章中介绍如何使用自定义的图像数据集来做目标检测。
夜雨飘零
2020-05-06
574
0
《我的PaddlePaddle学习之路》笔记九——使用VOC数据集的实现目标检测
图像识别
人工智能
深度学习
目标检测的使用范围很广，比如我们使用相机拍照时，要正确检测人脸的位置，从而做进一步处理，比如美颜等等。在目标检测的深度学习领域上，从2014年到2016年，先后出现了R-CNN，Fast R-CNN, Faster R-CNN, ION, HyperNet, SDP-CRC, YOLO,G-CNN, SSD等神经网络模型，使得目标检测不管是在准确度上，还是速度上都有很大提高，几乎可以达到实时检测。
夜雨飘零
2020-05-06
1.1K
0
《我的PaddlePaddle学习之路》笔记六——验证码端到端的识别
图像识别
文字识别
深度学习
在上一篇文章中介绍了验证码的识别，但是使用的传统的验证码分割，然后通过图像分类的方法来实现验证码的识别的，这中方法比较繁琐，工作量比较多。在本篇文章会介绍验证码端到端的识别，直接一步到位，不用图像分割那么麻烦了。好吧，现在开始吧！
夜雨飘零
2020-05-06
725
0
《我的PaddlePaddle学习之路》笔记五——验证码的识别
深度学习
人工智能
图像识别
本次使用的验证码是方正系统，现在很多的大学的教务系统用的就是这个方正系统，刚好既然那么普遍，我们就用它练一练手。经过观察大量的验证码发现，该系统的验证码只有小写的字母和数字，这样分类就少了很多了。该系统的验证码如下：
夜雨飘零
2020-05-06
808
0
《我的PaddlePaddle学习之路》笔记四——自定义图像数据集的识别
图像识别
深度学习
如果我们要训练自己的数据集的话,就需要先建立图像列表文件,下面的代码是Myreader.py读取图像数据集的一部分,从这些代码中可以看出,图像列表中,图像的路径和标签是以\t来分割的,所以我们在生成这个列表的时候,使用\t就可以了.
夜雨飘零
2020-05-06
587
0
《我的PaddlePaddle学习之路》笔记三——CIFAR彩色图像识别
图像识别
人工智能
深度学习
本次项目中使用的是一个32*32的彩色图像的数据集CIFAR-10,CIFAR-10数据集包含10个类的60000个32x32彩色图像，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练batch和一个测试batch，每个batch有10000个图像。测试batch包含来自每个类1000个随机选择的图像。训练batch按照随机顺序包含剩余的图像，但是一些训练batch可能包含比另一个更多的图像。在他们之间，训练的batch包含每个类别正好5000张图片。
夜雨飘零
2020-05-06
870
0
《我的PaddlePaddle学习之路》笔记二——MNIST手写数字识别
图像识别
人工智能
深度学习
如题目所示,本次训练使用到的是MNIST数据库的手写数字,这个数据集包含60,000个示例的训练集以及10,000个示例的测试集.图片是28x28的像素矩阵，标签则对应着0~9的10个数字。每张图片都经过了大小归一化和居中处理.该数据集的图片是一个黑白的单通道图片,其中图片如下:
夜雨飘零
2020-05-06
748
0
《PaddlePaddle从入门到炼丹》十一——自定义图像数据集识别
深度学习
图像识别
本章将介绍如何使用PaddlePaddle训练自己的图片数据集，在之前的图像数据集中，我们都是使用PaddlePaddle自带的数据集，本章我们就来学习如何让PaddlePaddle训练我们自己的图片数据集。
夜雨飘零
2020-05-01
1.8K
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天，分 10000 元奖品池！
立即发文
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档