Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
novel deep learning research works with PaddlePaddle
| Date | Stars |
|---|---|
| 2026-07-24 | 1757 |
| 2026-07-25 | 1757 |
| 2026-07-28 | 1757 |
| 2026-07-30 | 1757 |
| 2026-07-31 | 1758 |
| 2026-08-06 | 1759 |
Today
+1 stars today
This week
+2 stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.11%/day
# Research 发布基于飞桨的前沿研究工作，包括CV、NLP、KG、STDM等领域的顶会论文和比赛冠军模型。 ## 目录 * [计算机视觉(Computer Vision)](#计算机视觉) * [自然语言处理(Natrual Language Processing)](#自然语言处理) * [知识图谱(Knowledge Graph)](#知识图谱) * [时空数据挖掘(Spatial-Temporal Data-Mining)](#时空数据挖掘) ## 计算机视觉 | 任务类型 | 目录 | 简介 | 论文链接 | | ------------ | ------------------------------------------------------------ | ------------------------------------------------------------ | -------- | | 图像检索 | [GNN-Re-Ranking](CV/GNN-Re-Ranking/) | 基于GNN的快速图像检索Re-Ranking。 | https://arxiv.org/abs/2012.07620v2 | | 车流统计 | [VehicleCounting](CV/VehicleCounting/) | AICITY2020 车流统计竞赛datasetA TOP1 方案。 | - | | 车辆再识别 | [PaddleReid](CV/PaddleReid) | 给定目标车辆，在检索库中检索同id车辆，支持多种特征子网络。 | - | | 车辆异常检测 | [AICity2020-Anomaly-Detection](CV/AICity2020-Anomaly-Detection) | 在监控视频中检测车辆异常情况，例如车辆碰撞、失速等。| - | | 医学图像分析 | [AGEchallenge](CV/AGEchallenge) | 任务：在AS-OCT图像的公共数据集上进行闭角型分类和巩膜突点定位；基线模型：对应以上各任务的基线模型。 | - | | 光流估计 | [PWCNet](CV/PWCNet) | 基于金字塔式处理，逐层学习细部光流，设计代价容量函数三原则的CNN模型，用于光流估计。 | https://arxiv.org/abs/1709.02371 | | 语义分割 | [SemSegPaddle](CV/SemSegPaddle) | 针对多个数据集的图像语义分割模型的实现，包括Cityscapes、Pascal Context和ADE20K。 | - | | 轻量化检测 | [astar2019](CV/astar2019) | 百度之星轻量化检测比赛评测工具。 | - | | 地标检索与识别 | [landmark](CV/landmark) | 基于检索的地标检索与识别系统，支持地标型与非地标型识别、识别与检索结果相结合的多重识别结果投票和重新排序。 | https://arxiv.org/abs/1906.03990 | | 图像分类 | [webvision2018](CV/webvision2018) | 模型利用重加权网络(URNet)缓解web数据中偏倚和噪声的影响，进行web图像分类。 | https://arxiv.org/abs/1811.00700 | | 图像分类 | [CLPI](CV/CLPI-Collaborative-Learning-for-Diabetic-Retinopathy-Grading) | 模型利用一个Lesion Generator改善了糖尿病视网膜病变图像分级的模型性能，理论上可用于所有希望实现局部+整体模型分析的场景 | - | | 图像分类 | [RSNA-IHD](CV/Effective Transformer-based Solution for RSNA Intracranial Hemorrhage Detection) | 提出了一种有效的颅内出血检测(IHD)方法，其性能超过了在RSNA-IHD竞赛(2019)中获胜的解决方案。与此同时，与获胜者的解决方案相比，我们的模型只有其20%的参数量和10%的FLOPs | https://arxiv.org/abs/2205.07556 | | 小样本学习 | [PaddleFSL](CV/PaddleFSL) | 小样本学习工具包，可复现多个常用基线方法在多个图片分类数据集上的汇报效果 | - | | 迁移学习 | [SMILE](CV/SMILE) | 提出了一种自蒸馏样本混合迁移学习框架，适用于小样本图片分类 | https://arxiv.org/abs/2103.13941 | ## 自然语言处理 | 任务类型 | 目录 | 简介 | 论文链接 | | ------------ | ------------------------------------------------------------ | ------------------------------------------------------------ | -------- | | 中文词法分析 | [LAC(Lexical Analysis of Chinese)](https://github.com/baidu/lac) | 百度自主研发中文特色模型词法分析任务，集成了中文分词、词性标注和命名实体识别任务。输入是一个字符串，而输出是句子中的词边界和词性、实体类别。 | - | | 主动对话 | [DuConv](NLP/ACL2019-DuConv) | 机器根据给定知识信息主动引领对话进程完成设定的对话目标。 |https://www.aclweb.org/anthology/P19-1369/| | 语义解析 | [Text2SQL-BASELINE](NLP/Text2SQL-BASELINE) | 输入自然语言问题和相应的数据库，生成与问题对应的 SQL 查询语句，通过执行该 SQL 可得到问题的答案。 | - | | 多轮对话 | [DAM](NLP/ACL2018-DAM) | 开放领域多轮对话匹配的深度注意力机制模型，根据多轮对话历史和候选回复内容，排序出最合适的回复。 | http://aclweb.org/anthology/P18-1103 | | 阅读理解 | [DuReader](NLP/ACL2018-DuReader) | 数据集：大规模、面向真实应用、由人类生成的中文阅读理解数据集，聚焦于真实世界中的不限定领域的问答任务；基线系统：针对DuReader数据集实现的经典BiDAF模型。 | https://www.aclweb.org/anthology/W18-2605/ | | 关系抽取 | [ARNOR](NLP/ACL2019-ARNOR) | 数据集：用于对远程监督关系提取模型进行句子级别的评价；模型：基于注意力正则化识别噪声数据，通过bootstrap方法逐步选择出高质量的标注数据。| https://www.aclweb.org/anthology/P19-1135/ | | 机器翻译 | [JEMT](NLP/ACL2019-JEMT) | 模型的输入端包括文字信息及发音信息，嵌入层融合文字信息和发音信息进行翻译。 | https://arxiv.org/abs/1810.06729 | | 阅读理解 | [KTNET](NLP/ACL2019-KTNET) | 模型将知识库中的知识整合到预先训练好的上下文表示中，利用丰富的知识增强机器阅读理解的预训练语言表示。 | https://www.aclweb.org/anthology/P19-1226 | | 对话生成 | [PLATO](NLP/Dialogue-PLATO) | 基于隐空间的端到端的预训练对话生成模型，可以灵活支持多种对话，包括闲聊、知识聊天、对话问答等。 | http://arxiv.org/abs/1910.07931 | | 阅读理解 | [DuReader-Robust-BASELINE](NLP/DuReader-Robust-BASELINE) | 数据集：DuReader-robust，中文数据集，用于全面评价机器阅读理解模型的鲁棒性；基线系统：针对该数据集，基于[ERNIE](https://arxiv.org/abs/1904.09223)实现的阅读理解基线系统。 | https://arxiv.org/abs/2004.11142 | | 对话生成 | [AKGCM](NLP/EMNLP2019-AKGCM) | 包含知识增强图、知识选择和知识感知响应生成器的聊天机器人。 | https://www.aclweb.org/anthology/D19-1187/ | | 机器翻译 | [MA
Excerpt of 7,363 characters
Read on GitHub
32
31
28
27
26
17
17
14
14
13
13
10
9
9
8
Yaqing Wang
7
6
5
5
5
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:25ec263dbc5a013a, topic:computer-vision, readme:computer vision
matched fp:25ec263dbc5a013a, topic:deep-learning
matched fp:25ec263dbc5a013a, topic:nlp
matched fp:25ec263dbc5a013a, topic:knowledge-graph, readme:knowledge graph