该项目开源了一种针对华为海思Ascend 310芯片Atlas 的包装器。该算法简单、高效、易于使用，提供Python的应用接口。 使用该算法，只需几行代码就可以快速演示Atlas 或者部署FP16 模型。

Updated 3 years ago C++

该项目开源了一个基于解构-重构方式的精细图像分类算法。首先通过对图像划分patch之后随机打断破坏图像中物体的结构信息，然后交由神经网络进行有监督训练，迫使神经网络可以更加专注于除了结构信息以外的图像局部精细特征，然后再通过将打乱图像patch重新排序的方式对图像进行重构来恢复图像结构信息认知，最终在精细图像分类、SKU级别商品图像分类任务中都取得了较大性能提升。

Updated 4 years ago Text

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

该项目针对跨文档的多跳阅读理解任务开源了一种新类型的图模型：异构文档-实体网络（Heterogeneous Document-Entity graph）。该算法包含不同粒度级别的信息，包括特定文档上下文、文档和实体， HDEGraph算法使用基于共同注意和自注意的上下文编码器初始化整个HDE 图, 然后通过基于图神经网络的传播算法在整个HDE 图上进行推断过程，从而得到各个结点的最终表示，最终用HDE 图的结点表示对候选答案进行打分，筛选出最终答案。在公开数据集上，HDEGraph算法表现出了优秀的性能。

Updated 4 years ago Pickle

DNNLibrary是NNAPI的包装器(“DNNLibrary”是“daquexian的NNAPI库”)，从而能够轻松地使用Android 8.1中引入的新NNAPI。也可以将onnx模型转换为daq，并直接运行该模型。

Updated 4 years ago C++

该项目开源了一种可解释的、高效的多文档阅读理解算法SAE(Select, Answer and Explain)。该算法通过选择、回答和解释来对多个信息源进行推理，并通过提供支持证据来解释答案预测。具体地，SAE算法首先过滤掉与答案无关的文件, 从而减少干扰信息的数量。然后将选定与答案相关的文档输入到一个模型中, 预测答案和提供支持的句子。 该模型在答案预测的单词级别和支持句子预测的句子级别同时优化了多任务学习目标, 并通过注意力机制实现了这两个任务的交互。

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++