3.0 KiB
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