像素级人脸解析注释的高效框架，大规模特征点指导人脸解析数据集。

Updated 5 months ago Text

该算法把样本聚类和特征学习融合到一个端到端的网络框架中，提升模型的跨域能力。该模型在Market训练，DukeMTMC上测试能达到82.0%的准确率，在DukeMTMC上训练，Market上测试能达到92.2%的准确率。

Updated 1 year ago Text

该项目开源了一些自然语言处理的预训练模型。该项目主要关注对话系统的一些基础模型，尤其是电子商务领域。该项目使用 42 GB 的客户服务对话数据 (大约包含 12 亿个句子) 进行训练，并开源了训练好的BERT模型和词嵌入模型。

Updated 1 year ago Python

SST(Semi-Siamese Training)是一种针对浅层数据的人脸识别模型训练方法，所训练模型为一对半孪生网络，包括一个主模型和一个副模型，每次迭代时网络输入为同一ID的两张人脸图像(注册照和现场照)，副模型从注册照中提取人脸特征并构成一个动态的特征队列，随着训练进行同步更新，根据主模型从现场照中提取的人脸特征和动态特征队列计算损失函数，得到损失值后主模型采用随机梯度下降的方式进行更新，副模型基于当前模型状态与主模型采用滑动平均的方式进行更新，训练完成后主模型用于人脸识别测试。

Updated 1 year ago Text

混合整数规划模型库存均衡模型目，目标包含四个部分：保证在有最低保有量库存足够的条件下会优先满足最低保有量，保证任意两个配入仓的满足率之差的平均值在大于0.01的精度下，优先于调拨次数被最小化，最小化运输成本，均衡配出仓满足率。

Updated 1 year ago Java

该项目开源了一个基于图像中物体结构信息深度理解的图像识别、检测、分割算法框架。通过同一类别图像之间的共现信息首先基于弱监督的方式获得图像中物体的整体轮廓，然后基于自监督学习的方式，利用极坐标回归的损失函数来迫使神经网络对于目标物体的内部几何结构进行建模，从而辅助图像分类、检测以及分割任务来提升性能。

Updated 1 year ago Jupyter Notebook

本产品通过使用不同产品的历史销售数据和采购数据，基于稳健优化准则的最小后悔值方法，构建了一个企业库存管理策略的决策系统。该系统基于缺货信息的不完备性，动态调整企业采购决策，利用稳健优化最小后悔值准则建立动态决策模型，求解企业损失值最小的库存管理决策。基于此模型决策企业采购策略，可以减少缺货引起的损失，从而帮助企业更好地实现产品采购与需求之间的一致性。

Updated 2 years ago R

将多目标预测技术应用于反向定制场景中，提升产品设计的合理性和未来市场表现的预测准确率。本项目包括数据处理模块、MMOE模型模块和自定义任务模块等。

Updated 2 years ago Python

使用机器学习模型预测新产品上市后一段时间后的销售情况，包括数据处理、模型训练和预测模块。新品销量预测可以辅助供应链中生产计划、库存管理和车辆调度等环节进行决策。

Updated 2 years ago Python

业界首个模块化、标准化的跨模态视觉分析代码库。支持各种多模态任务，轻松复现视觉语言领域主流技术，促进学术界在视觉语言领域的发展。

Updated 2 years ago Python

该项目开源了一种基于车辆细粒度部件分割的车辆重识别算法，该算法首先利用 车辆细粒度部件分割模型将车辆图像中的车辆部件区域进行像素级分割，然后针对每个 区域提取局部视觉特征，并使用图卷积神经网络建模各部件间的特征关系，最后通过融 合全局特征与局部特征实现准确的车辆重识别，该算法在三大车辆重识别数据集达到最 佳准确率。

Updated 2 years ago C

2030项目-优化冷链库存周转的调度算法

Updated 2 years ago CSV

该项目开源了一种基于解耦合表征的单目单人三维人体网格估计算法。通过提出的形态解耦合表征，可以提升姿态和形状学习的稳定性；此外，通过一个基于self-attention的时域网络和基于时序打乱的对抗训练方法，可以提升网络输出结果的时域连续性和准确性。

Updated 2 years ago Wavefront Object

该项目解决多人姿势跟踪问题，该任务旨在估计和跟踪视频中的人体关键点。该项目提出一种姿势指导的检测跟踪框架，该框架将姿势信息融合到视频人体检测和数据关联过程中。具体来说，模型采用姿势引导的单个对象跟踪器来利用时间信息弥补视频人体检测阶段中的缺失检测。此外，在数据关联阶段，提出了一种基于分层姿态指导的图卷积网络（PoseGCN）外观判别模型，基于GCN的模型利用人与人之间的结构关系来增强人体的表征性。

Updated 4 years ago Python

我们推出了 dabnn，一个用 ARM 汇编重写了卷积，高度优化的二值网络 inference 框架。实验显示 dabnn 相对于现有的二值网络和浮点网络 inference 框架均能带来极大的加速。在运行单个二值卷积时，我们的速度是 BMXNet （除 dabnn 外唯一一个二值网络 inference 框架） 的 800%~2400%，在运行二值化的 ResNet-18 时，我们的速度是 BMXNet 的约 700%。

Updated 4 years ago C++