cube-studio/aihub/README.md

# AIhub：人人都可以参与的开源共建

在AIhub中，人人都可以寻找自己需要的算法、数据、训练和数据处理的过程，以及推理服务的方法和示例，也可以贡献自己的算法和数据分享给全社区的人

# 共建方法和形式

参与形式：

 - 数据集形式：你可以贡献你熟悉的免费公开数据集，参与开源

 - jupyter形式：你可以把算法的代码以notebook的形式提供环境、数据集、代码、以及示例来参与开源

 - 预训练模型形式：你可以提供你熟悉的预训练模型，以及预训练模型的再训练方法和推理方法

 - pipeline形式：你可以分享某个模型的数据处理和训练过程的pipeline

 - 推理服务：你可以提供推理的服务的镜像和示例，或者web示例

参与建议：

 - fork 而非 clone，因为你随时会添加自己的代码，修复开源中的问题，方便sync和pr，

你也可以修改当前文件后续的算法项

# 共享共建算法

## 数据分析

 - EDA

 - 统计分析

 - 统计绘图与数据可视化

 - sql

## 基础算法

 - 二分查找

 - 排序

 - 递归

 - 回溯

 - 分治

 - 双指针

 - 深度优先搜索

 - 广度优先搜索

 - 动态规划

## 机器学习

单模型

 - 线性回归

 - 逻辑回归

 - Lasso

 - Ridge

 - knn

 - ID3

 - C4.5

 - CART

 - 感知机

 - 神经网络

 - SVM

集成学习

 - GBDT

 - AdaBoost

 - XGBoost

 - LightGBM

 - CatBoost

 - Random Forest

无监督模型

 - kmeans

 - 层次聚类

 - 谱聚类

 - PCA

 - SVD

 - LDA

概率模型

 - 朴素贝叶斯

 - 贝叶斯网络

 - EM

 - MCMC

 - 最大熵

 - CRF

 - HMM

## 深度学习

DNN

 - MLP

 - BP

CNN

 - 分类

 - 检测

 - 分割

AlexNet/VGG/GoogleNet/ResNet/DenseNet

...

RNN

 - LSTM

 - Transformer

 - Attention

 - Bert

 - XLNet

...

GNN

...

# 机器视觉

## 图像分类

二分类
- SVM

多类别分类：
 - LetNet
 - AlexNet
 - VGGNet系列
 - GoogLeNet
 - ResNet系列
 - Inception系列
 - DenseNet系列

多标签分类：
- R-CNN&LSTM

## 图像分割

- 普通分割：阈值处理分割、k-means聚类、基于直方图、边缘检测、GrabCut算法

- 语义分割：

- 实例分割：FCN、DeepLab、Pyramid Scene Parsing Network、Mask R-CNN、U-Net

## 图像生成与转换

- 变分自编码器（VAE）：FCN-U-NET

- 生成对抗网络（GAN）：DCGAN

- 有监督图像转换：CGAN、pix2pix

- 无监督图像转换：cycleGAN

## 目标检测

- 基于区域提取两阶段: R-CNN、SPP-Net、FAST R-CNN、FASTER R-CNN

- 基于回归单阶段: YOLO系列、SSD

## 目标跟踪

- VOT系列

## 视频分析

## 图像重构（图像修复）

- Context Encoder
- MSNPS
- GLCIC
- Shift-Net
- DeepFill
- GMCNN
- PartialConv
- EdgeConnect

## 超分辨率

- SRCNN

## 风格迁移

- VGG系列

## 人体姿态估计

- opecv&mediapipe

## ocr

## 图像检索

## 图像识别

## 人脸识别

## 无人驾驶

## 手势识别


# 听觉

# 自然语言

# 推荐

# 广告

# 搜索

# 时间序列

# 生物学

# 强化学习