首页 飞桨领航团 帖子详情
百度飞桨第1课|让人拍案叫绝的创意都是如何诞生的
收藏
快速回复
飞桨领航团 AI达人创造营文章 677 0
百度飞桨第1课|让人拍案叫绝的创意都是如何诞生的
收藏
快速回复
飞桨领航团 AI达人创造营文章 677 0

​ 创意:将现有想法进行某种组合

趣味项目:游戏复刻

                  特效复刻

                  效果复刻

熊猫头表情聊天机器人
表情:PaddleHub

聊天机器人:Wechaty:一个开源聊天机器人框架SDK,具有多平台、多语言和多插件的特性,支持Python,Go,Java,.NET,PHP,Rust等多语言版本,通过几行代码即可创建一个聊天机器人。

熊猫头表情聊天机器人--流程
​​ ​

 熊猫头表情聊天机器人--框架

 熊猫头表情聊天机器人--Wechaty 

  熊猫头表情聊天机器人--Paddlehub

  熊猫头表情聊天机器人--改进

零代码实现安全帽检测模型
目标检测任务
目标检测的任务是找出图像中所有感兴趣的目标(物体),确定它们的位置和大小,是计算机视觉领域的核心问题之一,由于各类物体外观,形状,姿态,加上成像时光照,遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的问题。

安全帽佩戴检测模型
安全帽佩戴检测是计算机视觉在工业安全领域应用的典型场景。

使用PaddleX GUI进行迁移学习训练,可实现安全帽检测模型的0代码开发。

PaddleX的实时视频流预测部署、PaddleHub-Serving。

基于PaddleX/PaddleDetection-Paddle-Lite、也可以实现安全帽检测模型在树莓派上的部署。

安全帽检测任务:开发流程
A:数据采集与标注→B:模型开发→C:模型部署

1.训练并导出部署模型
PaddleDetection训练ssd-mobilenet检测模型,使用PaddleLite导出部署模型

2.树莓派环境准备
在树莓派上安装PaddleLite预编译库

3.拉取部署项目,替换默认标签
到Paddle-Lite-Demo中拉取部署项目示例,并准备好安全帽检测标签

4.实现蜂鸣器报警模块
微调示例代码,加入蜂鸣器报警和检测图片保存模块

场景驱动项目
“以终为始”

从问题找到想解决的场景,为实现某个特定场景的解决方案,探索形成一系列“创造”项目。

1.一个想法
结合实际问题,产生关于一个场景的想法。

2.尝试验证
可以从易到难,从最熟悉的思路做起,开始尝试解决方案。

3.用项目记录进展
一个独立的项目不能形成一套解决方案,但可以逐步探索,每一次探索可能就产生了新的项目。

项目创意:面向不同场景的解决方案
那些系列项目合集……

创意:

01.目标检测落地
布匹、白酒等瑕疵检测项目

树莓派检测模型全流程系列项目

02.脚本任务怎么用
各大模型库脚本任务系列项目

03.比赛or课程
面向比赛和课程开发的项目

04.网页、邮件安全解决方案
PaddleNLP系列项目。

找官方要灵感:各种“小众”模型库
多翻github有惊喜……

Parakeet
有意思的语音合成项目

PGL
门槛较高又热门的图神经网络。

EasyEdge
潜力巨大的全流程部署平台。

创意源于生活
创意:来源于生活
来源:01.社会管理

           02.生活出行

           03.新闻资讯

           04. ……

项目技术可行性评估
清晰的技术路线能有效评估项目的可行性

数据:AIStudio、Kaggle、天池、讯飞……→训练:PaddlePaddle、PaddleX、Paddlenlp、PaddleGan……→部署:PC端、树莓派、服务器、小程序/APP……

慧眼说垃圾

数据获取及处理:在AIStudio等数据集平台选取合适的开源数据集或自己动手制作数据集,并根据自己选取的开发工具对数据集进行适应性处理。→模型训练及压缩:根据部署环境的不同,选取ResNet50_vc_ssld或MobileNet_v3等模型进行针对性训练及压缩。→模型部署:python低代码视频流预测、Hub Serving服务化部署、EasyEdgeAPP部署。

看图写诗的创意是如何诞生的                                                       
实现思路:                                    
类比人类看图说话的方法让AI也能看图说话

获取图像信息:就像人类看图说话一样,要想让机器看图“说话”,首先要让机器看懂图片即这张图片是什么。→扩展关键字:有了图片的关键信息以后,我们需要把这些关键字串起来,因为我们的任务是写诗,所以我们将关键字组合成一首古诗的上阕。→得到古诗词:因为PaddleHub有生成古诗词的预训练模型,所以根据古诗词的上阕,我们就能很轻松地得到模型生成的下阙,最后组合起来就是一首完整的古诗了。

使用目标检测获取图像内物体的信息:就像人类看图说话一样,要想让机器看图“说话”,首先要让机器看懂图片即这张图片是什么。→将识别结果送入文本生成模型:有了图片的关键信息以后,直接将关键字送入根据关键词生成古诗词的模型,得到一首古诗的上阕。→将上阕送入古诗生成模型:因为PaddleHub有生成古诗词的预训练模型,所以根据古诗词的上阕,我们就能很轻松地得到模型生成的下阙,最后组合起来就是一首完整的古诗了。

1
收藏
回复
在@后输入用户全名并按空格结束,可艾特全站任一用户