人工智能学习路线思维导图

U991752837

2025-02-25

浏览量: 35

高新科技

人工智能

实战学习

多模态模块，语言处理实战相关内容讲解

树图思维导图提供《人工智能学习路线》在线思维导图免费制作，点击“编辑”按钮，可对《人工智能学习路线》进行在线思维导图编辑，本思维导图属于思维导图模板主题，文件编号是：35264a834baaff7afc42492c54dc269a

思维导图大纲

Python

Python快速⼊⻔

科学计算库-Numpy

数据分析处理库-Pandas

可视化库-Matplotlib

可视化库-Seaborn

数学基础

⾼等数学基础

微积分

泰勒公式与拉格朗⽇

线性代数基础

特征值与矩阵分解

随机变量

概率论基础

核函数变换

熵与激活函数

回归分析

假设检验

机器学习算法

回归模型

线性回归

逻辑回归

聚类算法

K means&Dbscan原理

Kmeans代码实现

聚类算法实验分析

决策树

集成算法

⽀持向量机SVM

神经⽹络算法

⻉叶斯算法

关联规则

降维算法

线性判别分析

主成分分析

词向量word2vec

隐⻢尔科夫模型

机器学习实战项目

初级项目

鸢尾花分类项目

使用Python创建自己的表情符号

使用机器学习进行贷款预测

住房价格预测项目

MNIST数字分类机器学习项目

泰坦尼克号生存计划

葡萄酒质量检测项目

假新闻检测项目

中级项目

音乐流派分类机器学习项目

比特币价格预测器项目

Uber数据分析项目

个性预测项目

Xbox游戏预测项目

信用卡欺诈检测项目

使用机器学习进行客户细分

高级项目

使用机器学习进行情感分析

语音情感识别机器学习项目

抓非法捕鱼项目

使用机器学习的电影推荐系统

车牌自动识别系统

深度学习算法

卷积神经⽹络（CNN）

生成对抗网络（GAN）

变换器（ Transformer )

长短期记忆网络（LSTM）

图神经网络（ GNN )

深度信念网络（DBN）

循环神经网络（RNN）

人工神经网络（ ANN )

深度学习框架

PyTorch

PyTorch框架基本处理操作

神经⽹络实战分类与回归任务

卷积神经⽹络原理与参数解读

图像识别核⼼模块实战解读

迁移学习的作⽤与应⽤实例

计算机视觉模型通⽤训练策略

Dataloader构建⾃⼰的数据集

Torch框架⾃定义类与数据模块

递归神经⽹络与词向量原理解读

新闻数据集⽂本分类实战

Tensorflow

tensorflow安装

神经⽹络原理解读与整体架构

搭建神经⽹络进⾏分类与回归任务

卷积神经⽹络原理与参数解读

猫狗识别实战

图像数据增强实例

训练策略-迁移学习实战

递归神经⽹络与词向量原理解读

基于TensorFlow实现word2vec

基于RNN模型进⾏⽂本分类任务

将CNN⽹络应⽤于⽂本分类实战

时间序列预测

经典⽹络架构Resnet实战

深度学习项目

垃圾分类

轨迹预估

音乐推荐

细胞检测

疲劳检测

人脸识别

目标跟踪

车道线检测

手势识别

文档扫描OCR识别

火灾检测

手写数字识别

停车场车位识别

猫狗识别

车牌自动识别

信用卡数字识别

医学细胞分割

轨迹估计预测

酒店推荐系统

答题卡识别判卷

行人跌倒检测

通用创新点

1.ACMIX(卷积与注意力融合)

2.GCnet(全局特征融合)

3.Coordinate attention

4.5PD(可替换下采样)

5.SPP改进

6.mobileone(加速)

7.Deformable(替换selfAttention)

8.ProbAttention(采样策略)

9.CrossAttention融合特征

10.Attention额外加入先验知识

11.结合GNN构建局部特征

12.损失函数约束项

13.自适应可学习参数

14.Coarse2Fine大框架

15.只能机器学习模型时凑工作量(特征工程)

16.自己数据集如何发的好(要开源)

17.可变形卷积加入方法

18.在源码中加入各种注意力机制方法

计算机视觉实战

图像分割实战

图像分割及其损失函数概述

卷积神经⽹络原理与参数解读

Unet系列算法讲解

unet医学细胞分割实战

U2NET显著性检测实战

deeplab系列算法

基于deeplabV3+版本进⾏VOC分割实战

医学⼼脏视频数据集分割建模实战

Medical Transformer分割实战

可学习位置编码模块对分割算法的作⽤分析

分割任务如何标注与训练⾃⼰的项⽬

Mask2former两代算法分析与论⽂解读

Mask2former原理Debug分析与应⽤

物体检测经典算法实战

深度学习经典检测⽅法

YOLO-V1整体思想与⽹络架构

YOLO-V2改进细节详解

YOLO-V3核⼼⽹络模型

基于V3版本进⾏源码解读

基于YOLO-V3训练⾃⼰的数据集与任务

YOLO-V4版本算法解读

V5版本项⽬配置

V5项⽬⼯程源码解读

Efficientnet模块解读

EfficientDet⽬标检测框架算法分析

EfficientDet源码分析与应⽤

Detr⽬标检测算法解读

Detr源码分析与应⽤实战

Deformable DETR算法改进解读

Deformable DETR源码解读与架构分析

Fcos算法如何提升检测速度

可变形卷积效果分析与⾏⼈检测实例

YOLOV7算法原理与创新解读

YOLOV7源码实现细节Debug解读

半监督物体检测⽅法分析

半监督检测实例soft-teacher论⽂解读

经典视觉项⽬实战

⾏为识别

slowfast算法知识点通俗解读

slowfast项⽬环境配置与配置⽂件

slowfast源码详细解读

基于3D卷积的视频分析与动作识别

视频异常检测算法与元学习

CVPR2021视频异常检测论⽂及其源码解读

Mmaction2标签制作实例与⾏为识别应⽤

⽬标追踪

⽬标追踪要完成的任务分析

deepsort算法知识点解读

卡尔曼滤波与状态估计实例

REID在追踪任务中的作⽤

deepsort项⽬源码解读

YOLOV5与Deepsort追踪实战

追踪算法ByteTrack源码应⽤实战

姿态估计

姿态估计算法经典套路分析

姿态估计OpenPose论⽂分析

姿态估计算法输出模块解读

OpenPose算法源码实战解读

图神经⽹络实战

图神经⽹络GNN原理与架构解读

图卷积GCN模块构建与效果

图神经⽹络框架PyTorch-Geometric安装与配置

图神经⽹络框架PyTorch-Geometric应⽤实战

使⽤PyTorch-Geometric搭建⾃⼰的图数据集

图注意⼒机制与图序列⽹络模型解读

图神经⽹络时间序列预测实战

图相似度计算与匹配算法解读

化学分⼦相似度计算匹配实战

基于图模型的VectorNet轨迹估计算法

VectorNet应⽤实例与源码分析

基于图模型的KIE关键信息抽取

KIE算法与图模型构建实战解读

异构图神经⽹络算法解读

异构图神经⽹络构建应⽤实例

图时间序列结合⽅法与raindrop论⽂解读

图模型与时间序列融合源码解读及其应⽤实例

⾯向深度学习的⽆⼈驾驶实战

3D点云算法及其应⽤实战

3D点云应⽤领域分析

3D点云PointNet算法

PointNet++算法解读

Pointnet++项⽬实战

点云补全PF-Net论⽂解读

点云补全实战解读

⽆⼈驾驶经典算法及其应⽤实战

深度估计项⽬实战源码解读

⻋道线检测论⽂及其算法实现

基于深度学习的⻋道线检测项⽬实战

轨迹预测实例与特征空间解读

基于VectorNet进⾏估计估计实战

特征点匹配⽅法原理与论⽂分析

商汤最新特征点匹配算法实战

三维重建算法原理分析

TSDF⽅法应⽤与解读

商汤最新三维重建项⽬原理与源码解读

特斯拉⽆⼈驾驶项⽬分析与技术细节解读

对⽐学习与多模态任务实战

对⽐学习经典算法原理与架构解读

对⽐学习与多模态融合⽅法

Clip算法流程分析与应⽤实例

多模态Clip算法模型源码解读

⽂本与视觉多模态任务结合分析

Abinet⽂本与视觉融合OCR论⽂解读

⽂本视觉融合模型源码实战

3D点云与图像数据融合论⽂解读

3D⽬标检测多模态融合源码解读与实例

⾃监督模型beit论⽂解读

Beitv2版本分析及及其源码解读

Facebook⾃监督模型DINO论⽂解读

⾏⼈重识别实战

基于注意⼒机制的ReId模型论⽂解读

基于Attention的⾏⼈重识别项⽬实战

AAAI顶会算法与论⽂精讲

基于⾏⼈局部特征融合的再识别实战

旷视研究院最新算法解读（基于图模型）

基于拓扑图的⾏⼈重识别项⽬实战

CVPR最新⾏⼈搜索算法与应⽤实例

⾏⼈搜索项⽬源码解读与效果分析

视觉地理位置匹配搜索算法解读

视觉搜索CosPlace源码解读分析

强化学习与AI⿊科技实例

强化学习算法

PPO算法与公式推导

PPO实战-⽉球登陆器训练实例

Q-learning与DQN算法

DQN算法与实战

Actor-Critic算法分析(A3C)

⽤A3C玩转超级⻢⾥奥

OpenAi顶级⿊科技算法及其项⽬实战

Openai⽣成模型GPT系列算法解读

GPT架构实现与⽣成模型训练源码分析

⽂本与视觉融合模型CLIP原理架构分析

Diffusion扩散模型算法思想解读

扩散模型与GAN对⽐分析及其公式推导

扩散模型源码实现与效果分析

⿊科技算法Dalle系列基本原理与架构分析

Dalle2源码解读及其应⽤流程实现

chatGpt训练流程与策略解读

⾯向医学领域的深度学习实战

卷积神经⽹络原理与参数解读

PyTorch框架基本处理操作

PyTorch框架必备核⼼模块解读

基于Resnet的医学数据集分类实战

图像分割及其损失函数概述

Unet系列算法讲解

Unet医学细胞分割实战

deeplab系列算法

基于deeplabV3+版本进⾏VOC分割实战

基于deeplab的⼼脏视频数据诊断分析

YOLO系列物体检测算法原理解读

基于YOLO5细胞检测实战

知识图谱原理解读

Neo4j数据库实战

基于知识图谱的医药问答系统实战

词向量模型与RNN⽹络架构

医学糖尿病数据命名实体识别

对抗⽣成⽹络实战

对抗⽣成⽹络架构原理与实战解析

基于CycleGan开源项⽬实战图像合成

stargan论⽂架构解析

stargan项⽬实战及其源码解读

基于starganvc2的变声器论⽂原理解读

starganvc2变声器项⽬实战及其源码解读

图像超分辨率重构实战

基于GAN的图像补全实战

StyleGan⼈脸合成算法解读

StyleGan项⽬源码解读实例

BasicVSR++视频超分辨重构算法解读

BasicVSR++项⽬源码实战

缺陷检测实战

物体检测框架YOLO-V4版本算法解读

物体检测框架YOLO-V5版本项⽬配置

物体检测框架YOLO-V5项⽬⼯程源码解读

基于YOLOV5的钢材缺陷检测实战

Semi-supervised布料缺陷检测实战

Opnecv图像常⽤处理⽅法实例

Opnecv梯度计算与边缘检测实例

Opnecv轮廓检测与直⽅图

基于Opnecv缺陷检测项⽬实战

基于视频流⽔线的Opnecv缺陷检测项⽬

图像分割deeplab系列算法

基于deeplabV3+版本进⾏VOC分割实战

Deeplab铁质材料缺陷检测与开源项⽬应⽤流程

Opencv图像处理

环境配置

图像基本操作

阈值与平滑处理

图像形态学操作

图像梯度计算

边缘检测

图像⾦字塔与轮廓检测

直⽅图与傅⾥叶变换

信⽤卡数字识别

⽂档扫描OCR识别

图像特征-harris

图像特征-sift

全景图像拼接

停⻋场⻋位识别

答题卡识别判卷

背景建模

光流估计

Opencv的DNN模块

⽬标追踪

卷积原理与操作

疲劳检测

自然语言处理实战

⾃然语⾔处理算法及其项⽬实战

NLP常⽤⼯具包实战

商品信息可视化与⽂本分析

⻉叶斯算法

新闻分类任务实战

HMM隐⻢尔科夫模型

HMM⼯具包实战

语⾔模型

使⽤Gemsim构建词向量

基于word2vec的分类任务

NLP-⽂本特征⽅法对⽐

NLP-相似度模型

LSTM情感分析

机器⼈写唐诗

对话机器⼈

⾃然语⾔处理必备神器Huggingface系列实战

Huggingface各核⼼模块使⽤⽅法及其应⽤流程

MLM完形填空任务解读及其训练应⽤实例

⽂本摘要任务构建流程及其训练测试实例

预训练模型的作⽤及其下游任务微调⽅法

⽂本标注⼯具应⽤与各领域NLP任务标注实例

⾕歌BERT系列经典模型架构及其应⽤分析

Openai系列经典模型架构及其应⽤分析

⽂本⽣成模型GPT算法应⽤实例

作⽂与⼩说⽣成模型源码解读及其项⽬实战

NER命名实体识别项⽬流程及其应⽤实例

如何训练⾃⼰的标注数据，格式转换实例

⽂本实体抽取与关系抽取算法与模型解读

实体与关系抽取项⽬源码解读分析

⾃然语⾔处理通⽤框架-BERT实战

BERT原理解读

⾕歌开源项⽬BERT源码解读与应⽤

项⽬实战-基于BERT的中⽂情感分析实战

项⽬实战-基于BERT的中⽂命名实体识别实战

必备基知识点-word2vec模型通俗解读

必备基础-掌握Tensorflow如何实现word2vec模型

必备基础知识点-RNN⽹络架构与情感分析应⽤实例

医学糖尿病数据命名实体识别

知识图谱实战系列

知识图谱介绍及其应⽤领域分析

知识图谱涉及技术点分析

Neo4j数据库实战

使⽤python操作neo4j实例

基于知识图谱的医药问答系统实战

⽂本关系抽取实践

⾦融平台⻛控模型实践

医学糖尿病数据命名实体识别

语⾳识别实战系列

seq2seq序列⽹络模型

LAS模型语⾳识别实战

starganvc2变声器论⽂原理解读

starganvc2变声器源码实战

语⾳分离ConvTasnet模型

ConvTasnet语⾳分离实战

语⾳合成tacotron最新版实战

推荐系统实战系列

推荐系统介绍及其应⽤

协同过滤与矩阵分解

⾳乐推荐系统实战

知识图谱与Neo4j数据库实例

基于知识图谱的电影推荐实战

点击率估计FM与DeepFM算法

DeepFM算法实战

推荐系统常⽤⼯具包演⽰

基于⽂本数据的推荐实例

基于统计分析的电影推荐

基于相似度的酒店推荐系统

多模态模块

mmdet3D BEV特征空间

实战系列

MMLAB实战

MMLAB系列环境搭建⽅法

MMCLS分类模块核⼼功能解读

图像识别配置⽂件作⽤与功能解读

图像识别任务标注⽅法与实例

如何使⽤MMCLS构建⾃⼰分类数据集

基于配置⽂件进⾏模型训练与测试任务

可视化分析与评估指标⽣成⽅法

MMSEG图像分割模块核⼼功能解读

图像分割配置⽂件作⽤与功能解读

图像分割标注⽅法与实例

使⽤MMSEG构建⾃⼰的分割数据集

替换配置⽂件核⼼组件开启⾃⼰的实验任务

CVPR最新分割模块核⼼backbone解读

源码分析MMSEG核⼼项⽬模块

MMDET物体检测模块核⼼功能解读

物体检测配置⽂件作⽤与功能实例

物体检测标注⽅法与应⽤实例

使⽤MMDET训练⾃⼰的数据集与任务

Deformable DETR算法与论⽂分析

Deformable DETR源码解读实战

Mmdet3D点云与图像数据多模态融合融合实战

Bev特征空间与bevofmer算法原理解读

Bevformer源码解读及其mmdet3D实现

MMOCR核⼼模块解读

OCR中三⼤核⼼任务：检测,识别,抽取

DBNET⽂字检测算法与项⽬实战

ANINET⽂字识别算法与项⽬实战

KIE基于图模型的关键信息抽取算法及其实战

MMGAN对抗⽣成⽹络核⼼模块解读

StyleGan系列算法架构分析

StyleGan源码解读与应⽤

MMEDIT核⼼模块解读

BasicVSR++视频超分辨重构算法与论⽂分析

BasucVSR++源码分析与⽹络架构解读

Mmaction2标签制作实例与⾏为识别应⽤

MMRAZOR模型蒸馏与剪枝模块解读

知识蒸馏原理解读

经典蒸馏算法拓展解读

模型蒸馏算法及其应⽤实例

mmtrack之Bytetrack源码解读

Transformer实战系列

Transformer基本架构解读

注意⼒机制的作⽤与效果分析

源码解读Transformer整体架构实现

Transformer在视觉中的应⽤VIT算法

VIT分类Backbone算法模型源码解读

SwinTransformer算法原理解析

SwinTransformer源码解读

基于Transformer的Detr⽬标检测算法

物体检测新型框架Detr源码解读

Deformable DETR算法与论⽂分析

Deformable DETR源码分析与架构实现

基于Transformer的关键点匹配Loftr

商汤Loftr源码解读与应⽤实例

Medical Transformer应⽤于分割任务实例

Medical Transformer源码分析与应⽤实例

Informer时间序列预测任务解读

Informer源码解读与应⽤实战

基于Transformer的ANINET⽂字识别

⽂字识别项⽬源码分析与应⽤实例

Mask2former分割任务算法及其源码解读

Bevformer特征空间应⽤实战

图模型结合时间注意⼒机制应⽤实例

⾕歌开源项⽬BERT源码解读与应⽤实例

BERT的中⽂情感分析实战

热⻔Transformer论⽂与实战解读

深度学习模型部署与剪枝优化实战

PyTorch框架部署实践

YOLO物体检测部署实例

docker实例演⽰

tensorflflow-serving实战

模型减枝-NetworkSlimming算法+实战

轻量化模型Mobilenet三代⽹络模型架构

Mobilenet系列源码与应⽤实例

模型蒸馏算法与应⽤实战

模型加速与格式转换实战

CV各领域经典项⽬部署实例

时间序列预测

Informer算法原理解读

ProbAttention模块分析

informer源码实现逐⾏解读

Timesnet时间序列预测框架

Timesnet源码解读

时间序列预测⼯具包应⽤实例

时间序列与图结构结合

raindrop图时间序列源码实战

开源项目整理

深度学习

TensorFlow：谷歌的第二代机器学习系统。项目地址：https://github.com/tensorflow/tensorflow

Keras：一个极简的、高度模块化的神经网络库，运行在 TensorFlow 和 Theano 之上。项目地址：https://github.com/keras-team/keras

PyTorch：提供强大的 GPU 加速 Tensor 计算，构建基于 tape 的自动升级系统上的深度神经网络。项目地址：https://github.com/pytorch/pytorch

Caffe：一个高效的开源深度学习框架，由表达式、速度和模块化组成。项目地址：https://github.com/bvlc/caffe

Neural Style：通过 tf 和卷积神经网络，实现将图片附上各种风格。项目地址：https://github.com/cysmith/neural-style-tf

DeepDream：一款图像识别工具。项目地址：https://github.com/google/deepdream

OpenFace：基于深度学习网络的面部识别系统，基于谷歌的论文《FaceNet: A Unified Embedding for Face Recognition and Clustering》。项目地址：https://github.com/cmusatyalab/openface

MXNet：轻巧、便携、灵活的分布式 / 移动深度学习框架，支持多种语言。项目地址：https://github.com/dmlc/mxnet

HyperNetworks：通过一个 “次级” 网络生成主网络的权重矩阵，在模型压缩、权重动态生成等方面有独特潜力，源自于 (ICLR2017) 的一篇论文，并专为 ResNet 设计。项目地址：https://gitcode.com/g1910/hypernetworks

Places365-CNNs：专门针对场景分类任务训练的深度学习模型库，利用数百万张图片构建的丰富数据库，提升场景识别的准确性和效率，提供了多种预训练的卷积神经网络（CNN），在 Places365 数据集上进行训练。项目地址：https://gitcode.com/csailvision/places365

MT-DNN：一个基于 PyTorch 的深度学习框架，由微软的研究人员开发，用于处理多任务学习问题，构建在 BERT 的基础之上，通过共享跨任务的学习成分，提高模型的泛化能力和效率。项目地址：https://gitcode.com/namisan/mt-dnn

LBANN：一个专为高性能计算（HPC）环境而生的开源深度学习框架，设计理念聚焦于高效利用多级别的并行性，支持多种前沿训练算法和高级功能。项目地址：https://gitcode.com/llnl/lbann

KeyInfoExtraction：一个基于深度学习的文本关键信息抽取项目，运用了预训练的 BERT 模型，能够自动识别和提取文本中的关键句子、关键词及实体。项目地址：https://gitcode.com/liuhuanyong/keyinfoextraction

计算机视觉

YOLO系列

YOLOv4：项目地址：https://github.com/AlexeyAB/darknet 。特点：这是一个很经典的目标检测算法版本。它在保持较高检测速度的同时，提高了检测精度。使用了 CSPDarknet53 作为骨干网络，引入了 SPP 和 PANet 结构等，对小目标的检测效果也有较好的提升。

YOLOv5：项目地址：https://github.com/ultralytics/yolov5 特点：该版本代码简洁、易于理解和使用，训练速度快，且具有较高的灵活性和可扩展性。提供了多种不同规模的模型，可根据不同的应用场景和硬件条件进行选择。

YOLOv6：项目地址：https://github.com/meituan/YOLOv6 特点：由美团视觉智能部研发，致力于工业应用，在检测精度和推理效率上有较好的表现。采用了更高效的 backbone 和 neck 设计，如基于 repvgg style 结构等，同时优化了检测头，并在训练策略上进行了改进。

YOLOv7：项目地址：https://github.com/WongKinYiu/yolov7 。特点：在架构上进行了创新，如使用了扩展的高效层聚合网络（E-ELAN）等，进一步提升了性能，在速度和精度的平衡上有出色表现。

YOLOv8：项目地址：https://github.com/ultralytics/ultralytics 。特点：是 Ultralytics 公司推出的最新版本，在模型结构、训练策略等方面都有优化和改进，具备更高的检测精度和更快的推理速度，同时支持多种任务，如目标检测、实例分割、图像分类等。

目标检测

YOLOv5：项目地址：https://github.com/ultralytics/yolov5 特点：代码简洁、易于理解和使用，训练速度快，且具有较高的灵活性和可扩展性。提供了多种不同规模的模型，可根据不同的应用场景和硬件条件进行选择，在 COCO 数据集上有良好的表现。

YOLOv7：项目地址：https://github.com/WongKinYiu/yolov7 特点：在架构上进行了创新，如使用了扩展的高效层聚合网络（E-ELAN）等，进一步提升了性能，在速度和精度的平衡上有出色表现。

YOLOv8：项目地址：https://github.com/ultralytics/ultralytics 特点：是 Ultralytics 公司推出的最新版本，在模型结构、训练策略等方面都有优化和改进，具备更高的检测精度和更快的推理速度，同时支持多种任务，如目标检测、实例分割、图像分类等。

CenterNet：项目地址：https://gitcode.com/xuannianz/keras-centernet 特点：这是一个基于 Keras 和 TensorFlow 实现的高效、简洁的目标检测框架，摒弃了传统锚点（anchor-based）方法，采用中心点检测策略来简化物体检测过程。以 ResNet 作为骨干网络，在速度与准确性的平衡上表现出色，通过直接定位物体中心并回归尺寸与类别信息实现检测流程。具有无锚点设计、高效性、准确性、易用性、提供预训练模型和灵活扩展等特点，适用于实时监控系统、自动驾驶、零售与商业分析、无人机导航、图像检索等场景。

PaddleDetection：项目地址：https://github.com/PaddlePaddle/PaddleDetection 特点：飞桨目标检测开发套件，是一个模型先进且丰富、任务覆盖全面、端到端能力完备的产业级开发套件。拥有 230 多个主流业界领先模型，包括 10 多个 SOTA 及顶会冠军方案；全面覆盖目标检测、实例分割、目标跟踪、关键点检测任务领域，以及工业制造、安防巡检、智慧交通等 10 个以上行业领域；具备全面覆盖前沿模型压缩，量化、剪枝、蒸馏、检测结构搜索方法，并在服务端、移动端等多种硬件环境完全打通的端到端能力，助力开发者快速实现高性能部署。例如其中的 PP-PicoDet 是轻量级 SOTA 检测算法，PP-YOLOE 是性能超越 YOLO4、YOLO5 的工业级 SOTA 模型，PP-YOLO2 是性能超越 YOLO4、YOLO5 的工业级 SOTA 模型。

Detectron2：项目地址：https://github.com/facebookresearch/detectron2 特点：Facebook 推出的目标检测平台，基于 PyTorch 框架，实现了如 Faster R-CNN、Mask R-CNN 等先进的目标检测算法，具有高度模块化、灵活性与扩展性强等特点，支持多种新模型和新功能，如全景分割等，且能在单个或多个 GPU 服务器上实现快速训练，还支持与目标检测相关的一系列任务，如目标检测、实例分割、人体姿态估计、语义分割和全景分割等，代码质量较高，重新审视并解决了底层设计问题，方便研究人员进行算法设计和实验探索。

图像分割

DeepSegmentor：项目地址：https://gitcode.com/yhlleo/deepsegmentor 【1】项目介绍：这是一个基于 PyTorch 的深度学习框架，专门用于道路裂缝检测和多任务道路网络识别，提供了从数据预处理到模型训练、测试以及评估的一整套解决方案。【2】技术分析：使用了先进的卷积神经网络架构，包括对 deepcrack 和 roadnet 两个项目的实现，还引入了中值频率平衡方法来处理类别不平衡问题。【3】应用场景：可用于道路维护、城市规划、学术研究、远程感知应用等。【4】项目特点：具有易用性，通过 conda 环境配置可一键式安装依赖包；支持自定义训练脚本；有详尽的文档；提供预训练模型；代码结构清晰，易于扩展。

PaddleSeg：项目地址：https://github.com/paddlepaddle/paddleseg 【1】项目介绍：是基于飞桨开发的端到端图像分割开发套件，涵盖了高精度和轻量级等不同方向的大量高质量分割模型，通过模块化的设计，帮助开发者完成从训练到部署的全流程图像分割应用。【2】特点：近期更新内容包括全新升级了人像分割功能，提供了 web 端超轻量模型部署方案；推出了精细化的分割解决方案 paddleseg-matting；开源了全景分割算法 panoptic-deeplab，丰富了模型种类；发布了交互式分割的智能标注工具 eiseg，极大地提升了标注效率。

自动驾驶

百度 Apollo：项目地址：https://github.com/ApolloAuto/apollo 。【1】项目介绍：Apollo 是一个开放的、完整的、安全的自动驾驶平台，将帮助汽车行业及自动驾驶领域的合作伙伴结合车辆和硬件系统，快速搭建一套属于自己的自动驾驶系统。【2】技术分析：包含开源代码、开放能力和服务，涵盖了感知、定位、规划、控制等核心技术模块，并且在不断更新和优化。例如，其感知模块采用了多种传感器融合技术，包括激光雷达、摄像头等，以提高对环境的感知精度；规划模块则运用了先进的算法来生成安全、高效的行驶路径。【3】应用场景：可用于乘用车、商用车等多种车型的自动驾驶研发和测试，也可应用于特定区域的无人配送、无人清扫等场景。【4】项目特点：提供了完整的自动驾驶解决方案，具有较高的灵活性和可扩展性，合作伙伴可以调用开放组件 API 或修改代码来生成自己的解决方案，并在 Apollo 平台上广泛分享和商业化；有强大的技术团队和丰富的资源支持，社区活跃度高。

AutoWare：项目地址：https://github.com/autowarefoundation/autoware 【1】项目介绍：用于自动驾驶车辆的开源软件堆栈，基于机器人操作系统（ROS）构建，包括了驾驶自动驾驶汽车所需的从定位、物体检测到路线规划和控制等所有功能。【2】技术分析：支持多种传感器输入，能进行实时数据处理和融合，在定位方面，利用 GPS、IMU 等传感器信息实现高精度定位；感知模块可以处理激光雷达、摄像头等数据，识别各种障碍物和交通标志。【3】应用场景：适用于城市道路、高速公路等不同环境下的自动驾驶应用，以及自动驾驶的研究和教学。【4】项目特点：基于 ROS 使得其具有良好的扩展性和兼容性，社区资源丰富，有大量的开发者参与贡献代码和分享经验；代码结构清晰，易于理解和修改。

Udacity 自动驾驶汽车项目：项目地址：https://gitcode.com/udacity/self-driving-car

物体检测

YOLOv5：项目地址：https://github.com/ultralytics/yolov5 特点：速度快、准确性较高，对小目标检测效果较好，易于训练和部署，提供了多种预训练模型，可用于多种场景的物体检测任务。

Faster R-CNN：项目地址：https://github.com/tensorflow/models/tree/master/research/object_detection 。特点：是两阶段目标检测算法的经典代表，检测精度较高，在多个领域有广泛应用，但相对来说计算复杂度较高，训练和推理速度较慢。

SSD：项目地址：https://github.com/amdegroot/ssd.pytorch 。特点：单阶段目标检测算法，检测速度较快，能够在保证一定精度的同时实现实时检测，对不同尺度的物体有较好的适应性。

Nanodet：项目地址：https://github.com/rangilyu/nanodet 特点：超轻量，模型文件小；速度超快，在移动 ARM CPU 上也能有高帧率；训练友好，GPU 内存成本低；易于部署，提供多种后端的 C++ 实现和基于 NCNN 推理框架的 Android 演示。

Detectron2：项目地址：https://github.com/facebookresearch/detectron2 特点：由 Facebook AI Research 开发，提供了一系列先进的物体检测算法和工具，支持多种检测模型，具有较高的灵活性和可扩展性，代码质量高，社区活跃。

OpenPCDet：项目地址：https://github.com/open-mmlab/OpenPCDet 特点：专注于激光雷达数据处理的 3D 物体检测开源项目，提供多种先进的检测模型，如 PointRCNN、Part-A2-Net、PV-RCNN 等，支持分布式训练和测试，应用场景广泛，如自动驾驶、机器人导航等。

VoxelNeXt：项目地址：https://github.com/dvlab-research/voxelnext 。特点：是一种创新性的 3D 物体检测和跟踪框架，基于稀疏体素特征进行预测，无需进行从稀疏到密集的转换，不依赖锚点或中心代理，具有完全稀疏、无额外组件、高性能和易于使用等特点。

CenterNet：项目地址：https://github.com/yjh0410/centernet-lite 。特点：是一个基于点的中心网络的轻量级物体检测框架，将每个对象表示为图像中的一个点，使用 SPP 模块替代复杂的 DCN 层，在保证性能的同时简化架构，具有简单易用、高性能、资源友好、兼容性好等特点

自然语言处理

vtext：项目地址：https://gitcode.com/rth/vtext 项目介绍：由 Rust 编写的高性能自然语言处理工具包，提供 Python 绑定接口。包含 tokenization（支持多种分词方式）、stemming（采用 snowball 算法，速度比 nltk 快）、token 计数（可转换为稀疏矩阵，适用于多种机器学习库）、字符串相似度计算（如 levenshtein 编辑距离等）等功能。可应用于信息检索、情感分析、文本分类与聚类、机器翻译等场景。具有跨平台兼容性、高性能、易于使用、多语言支持和优化的 stemming 等特点。

中文反向词典：项目地址：http://www.github.com/thunlp/wantwords 项目介绍：由清华大学自然语言处理实验室开源，可以根据输入的描述生成符合意思的词语。例如输入 “如何形容一个美女？”，会生成 “如花似玉”“花容月貌”“绝代佳人” 等。可用于解决舌尖现象、帮助语言学习者、改善选词性失语者患者的生活质量等。

fastnlp：项目地址：https://gitee.com/fastnlp/fastnlp 项目介绍：复旦大学自然语言处理团队开发的轻量级自然语言处理工具包，目标是快速实现自然语言处理任务以及构建复杂模型。具有统一的 tabular 式数据容器，内置多种数据集的 loader 和 pipe，包含各种方便的自然语言处理工具，如 embedding 加载（包括 elmo 和 bert）、中间数据 cache 等，提供部分数据集与预训练模型的自动下载，还提供多种神经网络组件以及复现模型（涵盖中文分词、命名实体识别、句法分析、文本分类、文本匹配、指代消解、摘要等任务），trainer 提供多种内置 callback 函数，方便实验记录、异常捕获等。

HanLP：项目地址：https://github.com/hankcs/HanLP 项目介绍：是由一系列模型与算法组成的 Java 工具包，目标是普及自然语言处理在生产环境中的应用。具备功能完善、性能高效、架构清晰、语料时新、可自定义的特点。主要功能有中文分词、词性标注、命名实体识别、关键词提取、自动摘要、短语提取、拼音转换、简繁转换、文本推荐、依存句法分析、文本分类（情感分析等）、word2vec、语料库工具等。

结巴分词：项目地址：https://github.com/fxsjy/jieba 项目介绍：Python 中文分词组件，功能是中文分词。采用 MIT 授权协议。

Gensim：项目地址：https://github.com/rare-technologies/gensim 项目介绍：是一个 Python 库，用于主题建模、文档索引和相似性检索等，目标受众是自然语言处理和信息检索社区。使用 LGPL-2.1 license 协议。活跃度较高，github star 数超过五千，近期仍在更新。

TextBlob：项目地址：https://github.com/sloria/textblob 项目介绍：简单的 Pythonic 文本处理库，可用于情感分析、词性标注、翻译等。github star 超过 4 千，近期仍在更新。

Spacy：项目地址：https://github.com/explosion/spaCy 项目介绍：是一个用于高级自然语言处理的 Python 和 Cython 库。它被设计为从一开始就用于实际产品，具有快速的句法分析器，支持卷积神经网络模型用于标记、解析和命名实体识别，易于深度学习集成等特点。采用 MIT 协议，功能强大，支持二十多种语言（目前不支持中文），活跃度高，star 超过 7 千，近期非常活跃。

数据集

计算机视觉

ImageNet：是市场上最大、最受欢迎的开源数据集之一。拥有超过 1400 万张已手动标注的图像，数据库按 WordNet 层次结构予以组织，对象级标注通过边界框完成，广泛用于图像分类、目标检测等任务。项目地址：http://www.image-net.org/

COCO（Common Objects in Context）：大规模对象检测、分割和字幕数据集。包含 91 种易于识别的对象类型的照片，在 328k 图像中共有 250 万个标记实例，还为多对象标记、分割掩码注释、图像字幕和关键点检测等更复杂的 CV 任务提供资源，有直观的 API 支持多种注释格式。项目地址：http://cocodataset.org/

PASCAL VOC（Visual Object Classes）：早期广泛用于目标检测、图像分类和分割等任务的数据集，包含 20 个类别。项目地址：http://host.robots.ox.ac.uk/pascal/VOC/

KITTI：由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集，用于评测立体图像、光流、视觉测距、3D 物体检测和 3D 跟踪、语义分割等计算机视觉技术在车载环境下的性能，包含市区、乡村和高速公路等场景采集的真实图像数据，每张图像中最多达 15 辆车和 30 个行人，还有各种程度的遮挡与截断。项目地址：www.cvlibs.net/datasets/kitti/

ityscapes：包含 50 个不同城市的街道场景中记录的各种立体视频序列，除了一组较大的 20,000 弱注释帧外，还具有 5,000 帧的高质量像素级注释，主要用于训练深度神经网络和评估视觉算法对语义城市场景理解的性能，涵盖城市场景下双目图像及像素级语义分割标注。项目地址：www.cityscapes-dataset.com/

BDD100K：主要包括视频数据、道路目标检测、实例分割、可驾驶区域等相关数据，如在不同时间、天气条件和驾驶场景中的 100,000 高清视频序列，以及各种目标的标注等。项目地址：bdd-data.berkeley.edu/

Waymo Open Dataset：包含 3000 段驾驶记录，时长共 16.7 小时，平均每段长度约为 20 秒，整个数据集一共包含 60 万帧，有大量的 3D 和 2D 边界框标注，且涵盖不同的天气条件、时间段、地点和道路对象等多样性。项目地址：github.com/waymo-research/waymo-open-dataset

NuScenes：自动驾驶公司 nutonomy 建立的大规模自动驾驶数据集，不仅包含了 camera 和 lidar，还记录了雷达数据，由 1000 个场景组成，每个场景长度为 20 秒，包含了各种各样的情景，关键帧经过手工标注，有丰富的标注信息。项目地址：www.nuscenes.org/download

Caltech 101 / Caltech 256：加利福尼亚理工学院图像数据库，分别包含 101 类和 256 类的图像数据。项目地址：http://www.vision.caltech.edu/Image_Datasets/Caltech101/

MNIST：由手写数字的图像组成，用于数字识别任务，是机器学习领域的经典数据集。项目地址：http://yann.lecun.com/exdb/mnist/

CIFAR-10 / CIFAR-100：CIFAR-10 包含 10 个不同类别的 60,000 张 32×32 彩色图像，CIFAR-100 则有 100 个类别，常用于图像分类研究的基准数据集。项目地址：http://www.cs.toronto.edu/~kriz/cifar.html

Open Images：由大约 900 万幅图像组成，带有图像级标签、对象边界框、对象分割蒙版和视觉关系，包含 190 万幅图像上 600 个对象类别的 1600 万个边界框，是现有的最大的带有对象位置注释的数据集之一。项目地址：https://storage.googleapis.com/openimages/web/index.html

Kinetics：提供一个开源数据集，其中包含 650,000 个视频剪辑，涵盖 700 个人类动作类型，包括人与物互动、人与人互动，数据集可以细分为 700 个视频剪辑的部分，且每个视频剪辑均有标注，持续大约 10 秒，可用于许多不同的计算机视觉应用场景，如行为识别等。项目地址：https://deepmind.com/research/open-source/kinetics

UCF101：来自 YouTube 的 101 类人类动作视频数据集，广泛应用于动作识别研究。项目地址：https://www.crcv.ucf.edu/data/UCF101.php

自然语言处理

chinesenlpcorpus：用途：中文自然语言处理的数据集，可作为实验的语料素材。项目地址：https://github.com/insanelife/chinesenlpcorpus 。该项目收集了如今日头条中文新闻分类数据集、清华新闻分类语料、多种情感分析数据集、实体识别相关数据集（如微博实体识别、1998 年人民日报数据集、msra 微软亚洲研究院数据集等）、搜索匹配相关数据集（如 oppo 手机搜索排序、网页搜索结果评价数据集）、推荐系统相关数据集（如 ez_douban、dmsc_v2 等）、百科数据（维基百科、百度百科）、指代消歧的 conll2012 数据集、预训练相关资源（如 bert 开源代码及模型下载地址、腾讯词向量下载地址、上百种预训练中文词向量下载地址、中文完形填空数据集下载地址、中华古诗词数据库下载地址、保险行业语料库下载地址、汉语拆字字典下载地址）等的相关链接。

nlp_datasets：用途：由 iceflameworm 创建并维护的开源项目，汇总了大量常用的 NLP 数据集，包括文本分类、情感分析、机器翻译、命名实体识别等各种语言任务的数据集，每个数据集都有详细描述、下载链接及相关文献引用。项目地址：https://gitcode.com/iceflameworm/nlp_datasets

GLUE（General Language Understanding Evaluation）基准：用途：包含多个不同的自然语言处理任务数据集，如文本蕴含、情感分析、问答等，用于评估模型在多种任务上的性能。项目地址：https://gluebenchmark.com/

SQuAD（Stanford Question Answering Dataset）：用途：包含大量的问题和对应的文章段落，以及问题的答案，用于问答系统的研究和开发。项目地址：https://rajpurkar.github.io/SQuAD-explorer/

CoNLL-2000 语料库：用途：用于命名实体识别（NER）任务，提供标注好的文本数据。项目地址：https://www.conll.org/

IMDB 电影评论数据集：用途：常用的情感分类数据集，可用于情感分析和文本分类任务。项目地址：可通过一些机器学习库（如 sklearn）获取。