新闻中心 
-
07-31基于PaddlePaddle复现CoTNet基于Self-Attention的Transformer结构，首先在NLP任务中被提出，最近在CV任务中展现出了非常好的效果。然而，大多数现有的Transfor...
-
07-31《动手学OCR》系列课程之：端到端算法本文介绍了2017-2021年深度学习在端到端文本识别的代表性方法，分端到端规则文本识别与任意形状文本识别两类。前者如FOTS、TextSpotter，解决平直...
-
07-31R-Drop论文复现R-Drop是基于Dropout的改进正则化方法，通过对模型输出层施加约束减少过拟合。其让每个样本两次通过带Dropout的同一模型，用KL散度约束两次输出一致...
-
07-31论文解读一篇关于语义生成论文（要求控制单独语义生成）本文聚焦语义多模态图像合成（SMIS）任务，旨在通过特定类控制器调整对应区域生成图像，且不影响其他部分。针对现有方法局限，提出GroupDNet，利用组卷积并逐...
-
07-31Paddle2.0-AI图像安全-图像对抗样本初探-常见攻击策略本文介绍图像对抗样本的三种常见攻击策略：FGSM、BIM和PGD，附Paddle实现代码（见Paddle-Adversarial-Toolbox仓库）。FGSM...
-
07-31文字识别：基于PaddlePaddle复现PANet该论文提出PAN网络，以ResNet-18为骨干，结合FPEM、FFM和像素聚合法，平衡场景文本检测的精度与速度。基于Paddle的复现项目，部分数据集F-me...
