AIhub：人人都可以参与的开源共建

在AIhub中，人人都可以寻找自己需要的算法、数据、训练和数据处理的过程，以及推理服务的方法和示例，也可以贡献自己的算法和数据分享给全社区的人

共建方法和形式

参与形式：

• 数据集形式：你可以贡献你熟悉的免费公开数据集，参与开源

• jupyter形式：你可以把算法的代码以notebook的形式提供环境、数据集、代码、以及示例来参与开源

• 预训练模型形式：你可以提供你熟悉的预训练模型，以及预训练模型的再训练方法和推理方法

• pipeline形式：你可以分享某个模型的数据处理和训练过程的pipeline

• 推理服务：你可以提供推理的服务的镜像和示例，或者web示例

参与建议：

• fork 而非 clone，因为你随时会添加自己的代码，修复开源中的问题，方便sync和pr，

你也可以修改当前文件后续的算法项

共享共建算法

数据分析

• EDA、统计分析、统计绘图与数据可视化、sql

基础算法

• 二分查找、排序、递归、回溯、分治、双指针、深度优先搜索、广度优先搜索、动态规划

机器学习

单模型

• 线性回归、逻辑回归、Lasso、Ridge、knn、ID3、C4.5、CART、感知机、神经网络、SVM

集成学习

• GBDT、AdaBoost、XGBoost、LightGBM、CatBoost、Random Forest

无监督模型

• kmeans、层次聚类、谱聚类、PCA、SVD、LDA

概率模型

• 朴素贝叶斯、贝叶斯网络、EM、MCMC、最大熵、CRF、HMM

机器视觉

深度学习

图像分类

多类别分类：

• LetNet、AlexNet、VGGNet系列、GoogLeNet、ResNet系列、Inception系列、DenseNet系列

多标签分类：

• R-CNN&LSTM

图像分割

• 普通分割：阈值处理分割、k-means聚类、基于直方图、边缘检测、GrabCut算法

• 语义分割：

• 实例分割：FCN、DeepLab、Pyramid Scene Parsing Network、Mask R-CNN、U-Net

图像生成与转换

• 变分自编码器（VAE）：FCN-U-NET

• 生成对抗网络（GAN）：DCGAN

• 有监督图像转换：CGAN、pix2pix

• 无监督图像转换：cycleGAN

目标检测

• 基于区域提取两阶段: R-CNN、SPP-Net、FAST R-CNN、FASTER R-CNN

• 基于回归单阶段: YOLO系列、SSD

目标跟踪

• VOT系列

视频分析

图像重构（图像修复）

• Context Encoder、MSNPS、GLCIC、Shift-Net、DeepFill、GMCNN、PartialConv、EdgeConnect

超分辨率

• SRCNN

风格迁移

• VGG系列

人体姿态估计

• opecv&mediapipe

ocr

图像检索

图像识别

人脸识别

无人驾驶

手势识别

听觉

自然语言

推荐

广告

搜索

时间序列

生物学

强化学习