https://github.com/breezedeus/loveshare
breezedeus的各种分享
https://github.com/breezedeus/loveshare
cnocr cnstd cv deep-learning llm nlp ocr pix2text
Last synced: 3 months ago
JSON representation
breezedeus的各种分享
- Host: GitHub
- URL: https://github.com/breezedeus/loveshare
- Owner: breezedeus
- Created: 2017-06-03T08:33:46.000Z (about 8 years ago)
- Default Branch: master
- Last Pushed: 2023-01-31T13:39:13.000Z (over 2 years ago)
- Last Synced: 2025-01-16T00:41:14.558Z (5 months ago)
- Topics: cnocr, cnstd, cv, deep-learning, llm, nlp, ocr, pix2text
- Language: TeX
- Homepage: https://www.breezedeus.com
- Size: 39.6 MB
- Stars: 23
- Watchers: 3
- Forks: 5
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Year 2022
* **[视觉-语言预训练（VLP）技术介绍](https://www.bilibili.com/video/BV1dr4y1E7ZR)** [](https://www.bilibili.com/video/BV1dr4y1E7ZR)
* 分享对应的 [PPT](2022/Intro-to-VLP.pdf)；
* 对当前的视觉-语言预训练（Vision-Language Pretraining, VLP) 技术做了概要介绍，也可以看成是对当前多模态学习（Multi-Modal Learning）技术的概要介绍。
* **[信息抽取统一框架介绍和实例—— UIE (Universal Information Extraction)](https://www.bilibili.com/video/BV1LW4y1U7ch)** [](https://www.bilibili.com/video/BV1LW4y1U7ch)
* 分享对应的 [文档](2022/UIE_Universal_Information_Extraction.pdf)；
* 介绍了百度 ACL 2022 的论文《Unified Structure Generation for Universal Information Extraction》，并基于百度开源的代码跑了训练示例。
* **[BERT 还有哪些神奇的能力呢！？ - 知乎](https://zhuanlan.zhihu.com/p/532010499)**
### 开源工具的使用介绍
* **[Pix2Text: 替代 Mathpix 的免费 Python 开源工具](https://www.bilibili.com/video/BV12e4y1871U)** [](https://www.bilibili.com/video/BV12e4y1871U)
* **[Pix2Text (P2T)](https://github.com/breezedeus/pix2text)** ，目标是 **Mathpix** 的Python开源替代品，现在可以识别截图中的数学公式并转换为Latex表示，也可以识别图片中的中英文文字；
* 知乎文章（文字版）：[Pix2Text: 替代 Mathpix 的免费 Python 开源工具](https://zhuanlan.zhihu.com/p/566498651)
* 在线Demo： https://huggingface.co/spaces/breezedeus/pix2text ；
* **Gitee** Fork: https://gitee.com/breezedeus/pix2text 。
* **[更更好用的开源Python OCR工具包——CnOCR V2.2 - 知乎](https://zhuanlan.zhihu.com/p/546441117)**
* 在线Demo： https://huggingface.co/spaces/breezedeus/cnocr 。
* **[利用CnOCR实现自动对截屏图片OCR - 知乎](https://zhuanlan.zhihu.com/p/554108141)**
* **[如何安装CnOCR，以及免安装直接使用CnOCR](https://www.bilibili.com/video/BV1NY4y1T7jG)** [](https://www.bilibili.com/video/BV1NY4y1T7jG)
* 分享对应的 [PPT](2022/CnOCR-Installation-FAQ.pdf)；
* 介绍了 **[CnOCR](https://github.com/breezedeus/cnocr)** 安装和使用过程中大家遇到的一些问题。能不能不安装试用CnOCR效果？没问题，本视频中提供了**4种免安装**使用的方法。
* 相关资源：[文本检测和识别——附CnStd与CnOcr工具介绍](https://www.bilibili.com/video/BV1uU4y1N7Ba) [](https://www.bilibili.com/video/BV1uU4y1N7Ba)
* **[antiOCR 使用介绍](https://www.bilibili.com/video/BV1q8411G7HE)** [](https://www.bilibili.com/video/BV1q8411G7HE)
* **[antiOCR](https://github.com/breezedeus/antiOCR)** 把指定文本转换成机器无法识别但人可读的文字图片，即拒绝图片内容被OCR。常见的使用场景是图片验证码。antiOCR 是Python工具包，安装即可使用，或者直接使用作者提供的在线Demo生成图片；
* 在线Demo：https://huggingface.co/spaces/breezedeus/antiOCR 。
# Year 2021
* **[Tricks for Sparse & Dense Retrieval Models](https://www.bilibili.com/video/BV13y4y1R71Q)** [](https://www.bilibili.com/video/BV13y4y1R71Q)
* 分享对应的 [PPT](2021/sparse-dense-retrieval.pdf)；
* 介绍了 **Sparse Retrieval (SR)** 和 **Dense Retrieval (DR)** 中的几大类改进方法。 *虽然是 2021年底的分享，不过到 2023年才发布出来，拖延症😅。*
* **[文本检测和识别——附CnStd与CnOcr工具介绍](https://www.bilibili.com/video/BV1uU4y1N7Ba)** [](https://www.bilibili.com/video/BV1uU4y1N7Ba)
* 分享对应的 [PPT](2021/cnstd-cnocr.pdf)；
* 介绍了文本检测和识别中的深度学习框架与代表性算法，之后介绍了 **[CnSTD](https://github.com/breezedeus/cnstd)** 与 **[CnOCR](https://github.com/breezedeus/cnocr)** 两个python3工具包的使用。
* **[RS论文阅读：你真的读懂了Youtube DNN推荐论文吗？](https://www.bilibili.com/video/BV1BK4y1d7gD)** [](https://www.bilibili.com/video/BV1BK4y1d7gD)
* 分享的 [文字版](https://zhuanlan.zhihu.com/p/372238343) ；
* Youtube 在2016年发表的DNN推荐论文是最早把深度学习成功应用于推荐的代表性工作。很多博客都对这篇文章进行过翻译和解读，但你真的读懂了吗？本视频将带你温习这篇经典论文，并让你真的读懂它。
* **[线上测试 I：如何快速进行线上测试](https://www.bilibili.com/video/BV18b4y1972v)** [](https://www.bilibili.com/video/BV18b4y1972v)
* 介绍了线上测试的两种方法：**A/B测试** 和 **交错测试**，适用于算法测试、产品增长测试等场景。
* **[线上测试 II：效果评估——假设检验](https://www.bilibili.com/video/BV1LK4y1S7uR)** [](https://www.bilibili.com/video/BV1LK4y1S7uR)
* 介绍了客观评估线上实验效果的数学方法：**假设检验**。
* **[声纹分割聚类（Speaker Diarization）](https://www.bilibili.com/video/BV1rp4y1q7HW)** [](https://www.bilibili.com/video/BV1rp4y1q7HW)
* 分享的 [文字版](https://zhuanlan.zhihu.com/p/338656027) ；
* 介绍了声纹分割聚类的整体流程以及涉及的技术知识。
* **[更好地理解图片：场景文字检测工具 cnstd - 知乎](https://zhuanlan.zhihu.com/p/145913973)**
* **[2021年云栖大会见闻分享](https://www.bilibili.com/video/BV1bq4y1k7yr)** [](https://www.bilibili.com/video/BV1bq4y1k7yr)
* 分享在2021年云栖大会的见闻，包括视频理解、NLP、多模态、虚拟人、元宇宙等内容，无技术细节。
# Year 2020
* **[如何做调研](https://www.bilibili.com/video/BV1tD4y127Xq/)** [](https://www.bilibili.com/video/BV1tD4y127Xq)
* 分享对应的 [脑图](如何做调研.png)；
* 介绍了不同层面的调研该怎么做，包括竞品调研，针对某个具体应用的方案调研，针对某个算法（任务）方向的调研。同时介绍了一些常用的调研工具。
* **[自监督学习&对比学习](https://www.bilibili.com/video/BV1v5411x7rD)** [](https://www.bilibili.com/video/BV1v5411x7rD)
* 分享对应的 [PPT](2020/自监督学习-对比学习.pdf)；
* 介绍深度学习中最前沿的自监督学习和对比学习技术。
* **[NLP中的自监督学习&对比学习](https://www.bilibili.com/video/BV13T4y1c73g)** [](https://www.bilibili.com/video/BV13T4y1c73g)
* 分享对应的 [PPT](2020/自监督学习-对比学习2-NLP.pdf)；
* self-supervised & contrastive learning 第二弹：介绍NLP领域自监督学习和对比学习的最新工作（2020年）。
* self-supervised & contrastive learning 第一弹：[自监督学习&对比学习](https://www.bilibili.com/video/BV1v5411x7rD) [](https://www.bilibili.com/video/BV1v5411x7rD)
* **[最新语音识别技术简介（Introduction to ASR）](https://www.bilibili.com/video/BV1fZ4y1g7UP)** [](https://www.bilibili.com/video/BV1fZ4y1g7UP)
* 分享对应的 [PPT](2020/Intro-to-ASR.pdf)；
* 本次分享对最新的语音识别技术做了整体的介绍。
* **[开放域聊天机器人技术介绍](https://www.bilibili.com/video/BV1e5411Y7ci)** [](https://www.bilibili.com/video/BV1e5411Y7ci)
* 分享对应的 [PPT](2020/open-domain-chatbot.pdf)；
* 分享的 [文字版](https://zhuanlan.zhihu.com/p/150608851) ；
* 主要介绍 Google Meena 和 Facebook Blender 这两个工作，它们分别发表于今年1月和4月（他们远程办公的效率看来很高）。这两篇论文在模型方面都没有什么创新，但融合了很多有意思的技术，这些模型之外的技术值得做对话的同学了解一下。现在大概是聊天机器人的 GPT-1 时代，谁会开启聊天机器人的 BERT 时代呢？
* **[微软小冰对话机器人架构 - 知乎](https://zhuanlan.zhihu.com/p/57532328)**
# Old Notes
## Graphical Models
**图模型、VEM**等相关知识的[介绍pdf](./Graphical_Models.pdf) 。
## Bayes Factors
**贝叶斯因子**（**Bayes Factors**）一篇论文的 [学习笔记pdf](./Bayes_Factors.pdf) 。
---
**官方库**：[https://github.com/breezedeus/LoveShare](https://github.com/breezedeus/LoveShare)。