From dcc677f9fa56575d1efc5bcd6be3e86ca10d8b0f Mon Sep 17 00:00:00 2001 From: Daniel Yang Date: Tue, 2 Jun 2020 21:02:01 +0800 Subject: [PATCH] Update pretrained_models.md --- docs/pretrained_models.md | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) diff --git a/docs/pretrained_models.md b/docs/pretrained_models.md index 651b00f4..0d3cd63a 100644 --- a/docs/pretrained_models.md +++ b/docs/pretrained_models.md @@ -42,10 +42,9 @@ PaddlePaddle 提供了丰富的模型，使得用户可以采用模块化的方 | 语义模型 | [ERNIE](https://www.paddlepaddle.org.cn/hubdetail?name=ERNIE&en_category=SemanticModel) | **SOTA 语义模型，中文任务全面优于BERT**。 | | 图像分类 | [菜品识别](https://www.paddlepaddle.org.cn/hubdetail?name=resnet50_vd_dishes&en_category=ImageClassification) | 私有数据集训练，适合进一步菜品方向微调。 | | 图像分类 | [动物识别](https://www.paddlepaddle.org.cn/hubdetail?name=resnet50_vd_animals&en_category=ImageClassification) | 私有数据集训练，适合进一步动物方向微调。 | -| | | | -| 目标检测 | 行人检测（即将开源） | 百度自研模型，海量私有数据集训练。 | -| 目标检测 | 行人检测（即将开源） | 百度自研模型，海量私有数据集训练。 | -| OCR | 中文OCR（即将开源） | 开源模型基础上性能优化，增加私有数据集训练。 | +| 目标检测 | [行人检测]（https://www.paddlepaddle.org.cn/hubdetail?name=yolov3_darknet53_pedestrian&en_category=ObjectDetection） | 百度自研模型，海量私有数据集训练。 | +| 目标检测 | [车辆检测]（https://www.paddlepaddle.org.cn/hubdetail?name=yolov3_darknet53_vehicles&en_category=ObjectDetection） | 百度自研模型，海量私有数据集训练。 | +| OCR | [超轻量中文OCR]（https://www.paddlepaddle.org.cn/hubdetail?name=chinese_ocr_db_crnn_mobile&en_category=TextRecognition） | 开源模型基础上性能优化，增加私有数据集训练。 | | 语音合成 | WaveFlow（即将开源） | 百度自研模型，海量私有数据集训练。 | ## 图像 @@ -176,3 +175,4 @@ PaddleNLP 是基于 PaddlePaddle 深度学习框架开发的自然语言处理 ( | [Non-Local](https://www.paddlepaddle.org.cn/hubdetail?name=tsn_kinetics400&en_category=VideoClassification) | Non-local Neural Networks是由Xiaolong Wang等研究者在2017年提出的模型，主要特点是通过引入Non-local操作来描述距离较远的像素点之间的关联关系。其借助于传统计算机视觉中的non-local mean的思想，并将该思想扩展到神经网络中，通过定义输出位置和所有输入位置之间的关联函数，建立全局关联特性。Non-local模型的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。该PaddleHub Module可支持预测。 | | [StNet](https://www.paddlepaddle.org.cn/hubdetail?name=stnet_kinetics400&en_category=VideoClassification) | StNet模型框架为ActivityNet Kinetics Challenge 2018中夺冠的基础网络框架，是基于ResNet50实现的。该模型提出super-image的概念，在super-image上进行2D卷积，建模视频中局部时空相关性。另外通过temporal modeling block建模视频的全局时空依赖，最后用一个temporal Xception block对抽取的特征序列进行长时序建模。StNet的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。该PaddleHub Module可支持预测。 | | [TSM](https://www.paddlepaddle.org.cn/hubdetail?name=tsm_kinetics400&en_category=VideoClassification) | TSM（Temporal Shift Module）是由MIT和IBM Watson AI Lab的JiLin，ChuangGan和SongHan等人提出的通过时间位移来提高网络视频理解能力的模块。TSM的训练数据采用由DeepMind公布的Kinetics-400动作识别数据集。该PaddleHub Module可支持预测。 | + -- GitLab