基于计算机视觉的全细胞计数自动化分析方法 本项目针对血细胞图像分类任务，使用ResNet18和MobileNetV1模型，基于含12515张图像的数据集（分4类）展开研究。通过数据加载、预处理（计算均值方差等）、定义数据集与数据加载器，设置相同超参数训练。结果显示，ResNet18准确率0.878，MobileNetV1为0.786，验证了自动化分类在医学检测中的潜力。
【飞桨论文复现赛-小样本学习】MatchingNet 本文是百度论文复现赛中《Matching Networks for One Shot Learning》的复现代码说明。基于paddlepaddle-gpu2.2.2和python3.7环境，在miniImageNet数据集上完成。复现的5-way 1-shot和5-shot准确率分别为48.3%、62.2%，超论文原结果。介绍了模型背景、数据集、运行步骤、对比试验及复现心得。
2021 CCF BDCI 千言-问题匹配鲁棒性评测-baseline 本文介绍2021 CCF BDCI千言-问题匹配鲁棒性评测。赛题关注问题匹配模型在真实场景的鲁棒性，基于多个数据集从多维度评估。基线评测显示ERNIE-Gram模型效果佳，还提及R-Drop策略。文中还讲述了项目建立中训练集和测试集的合并过程，以及训练、预测的相关操作，最终得分79.788。
飞桨常规赛：PALM眼底彩照视盘探测与分割 2021 5月第1名方案 本文介绍飞桨常规赛PALM眼底彩照视盘探测与分割任务。赛题源于ISBI2019PALM眼科大赛，需用飞桨框架分割眼底图像视盘区域。数据集含800张训练图及标注、400张测试图。文中展示了用UNet模型的训练、验证、预测流程，包括数据处理、配置设置，最终生成符合要求的分割结果。
【第六届论文复现赛42题】 GPEN盲人脸修复模型 paddle复现 该模型的目标是对严重退化(模糊)的人脸图像中进行盲人脸恢复。作者将前人提出的stylegan V2的解码器嵌入模型，作为GPEN的解码器；用DNN重新构建了一种简单的编码器，为解码器提供输入。这样模型在保留了styleganV2解码器优秀的性能的基础上，将模型的功能由图像风格转换变为了人脸超分辨率重建。想了解更多论文内容可以查看论文地址。
【Python库】地图可视化库folium学习笔记（一） 本文介绍了Folium，它是基于Leaflet.js的Python地图可视化API。内容涵盖环境准备，即安装和导入库；地图框架构建，包括Map类参数详解、坐标系差异及地图样式更改；还讲解了地图标记方法，如点、动态点、圆、线、多边形标记的参数与用法，可帮助用户实现地理数据可视化。
导盲赛事第二弹: 数据集与训练策略 本文围绕智能导盲机器狗比赛的数据集与训练策略展开。数据集方面，介绍了train与val数据融合的方法及代码，还提及伪标签训练（半监督学习）的入门、进阶和创新版方式。训练策略上，针对PaddleDetection，给出了显卡数量、batchsize、优化器选择等方面的建议，并提供了含droppath的ConvNeXt代码实例。
