每日AI值得看--2023-05-26

[CSDN-Ada助手]

① 【换脸方法汇总】生成对抗网络GAN、扩散模型等（@旋转的油纸伞） [质量分：88；难度等级：中；新鲜技术：99]
摘要：在扩散模型训练时用了条件训练，采样时也用了条件引导采样，都是为了保存源脸的身份信息。这是第一个将扩散模型应用于换脸任务的方法。本文分享DiffFace，一种换脸的方法，在介绍全文的时候会在段末加入部分笔者的见解，希望对于论文的理解有一定的帮助。

② CTR预估之DNN系列模型:FNN/PNN/DeepCrossing（@我就算饿死也不做程序员） [质量分：85；难度等级：中；新鲜技术：99]
摘要：PNN与基础的DNN网络框架一致，只是embeddings是从FM模型预训练进行加载；FNN则是保留特征product这样的显式建模，与embeddings拼接输入到DNN，并且提出多种product操作；

③ Lidar AI Solution环境配置（@爱听歌的周童鞋） [质量分：92；难度等级：初；新鲜技术：99]
摘要：开源项目的环境配置，记录自己环境配置过程，仅供自己参考，只进行最最最基本的运行，不涉及任何原理分析(主要是不会😂)系统显卡：RTX3060显卡驱动CUDA：11.6cuDNN：8.4.0TensorRT：8.4.1。

④ Carla自动驾驶仿真五：opencv绘制运动车辆的boudingbox（代码详解）（@自动驾驶Adriving） [质量分：91；难度等级：初(领域：OpenCV；匹配程度：0.02)；新鲜技术：99]
摘要：

⑤ 利用PaddleOCR识别增值税发票平台验证码（开箱即用）（@码王吴彦祖） [质量分：91；难度等级：初(领域：OpenCV；匹配程度：0.02)；新鲜技术：99]
摘要：下面直接讲解利用paddleocr识别的思路，为什么使用paddleocr，因为paddle中集成了较好的ocr文字识别模型，开箱即用即可，废话不多说，剑指主题，识别思路步骤如下。

⑥ Boosting算法（@浪漫的诗人） [质量分：90；难度等级：初；新鲜技术：97]
摘要：然后基于调整权重后的训练集来训练弱学习器2.，如此重复进行，直到弱学习器数达到事先指定的数目T，最终将这T个弱学习器通过集合策略进行整合，得到最终的强学习器。通过每一轮训练样本的动态权重，可以让训练的焦点集中到难分类的样本上。

⑦ PyTorch实战6：好莱坞明星识别--VGG16（@王者与CV） [质量分：88；难度等级：初(领域：OpenCV；匹配程度：0.03)；新鲜技术：99]
摘要：这个函数的作用是计算每一轮训练的学习率，采用指数衰减的方式，即每经过4个epoch，学习率就会降低为原来的0.92倍。需要注意的是，这段代码只会在测试集上进行准确率的比较和模型的保存，并不会对训练集上的准确率进行记录或统计。，以保持原有的权重不变。

⑧ PyTorch-Transforms（@MyDreamingCode） [质量分：85；难度等级：初；新鲜技术：99]
摘要：【代码】PyTorch-Transforms。

⑨ 【项目实践】猫十二分类（@Torture_L） [质量分：83；难度等级：初；新鲜技术：99]
摘要：本项目来源于飞浆平台的图像分类学习赛。简单把赛题Copy一下：本场比赛要求参赛选手对十二种猫进行分类，属于CV方向经典的图像分类任务。图像分类任务作为其他图像任务的基石，可以让大家更快上手计算机视觉。比赛数据集包含12种猫的图片，并划分为训练集与测试集。

⑩ 知识图谱相似2（节点距离&Trans模型）（@YingJingh） [质量分：82；难度等级：初(领域：Python入门；匹配程度：0.17)；新鲜技术：99]
摘要：在知识图谱中，两个节点之间的距离可以通过路径长度来计算。需要注意的是，路径长度仅表示节点之间的连接关系，不一定直接对应于实际的语义距离。确定起始节点和目标节点：选择知识图谱中的两个节点作为起始节点和目标节点。知识图谱中的两个节点之间的距离怎么计算？