(1) 使用Faster R-CNN进行物体检测 为了实现物体检测，我创建了两个函数：get_model和detect_and_draw_boxes。 get_model函数加载一个预训练的Faster R-CNN模型，该模型是torchvision库的一部分，并在COCO数据集上使用ResNet-50-FPN骨干网络进行预训练。 我将模型设置为评估模式。

此项目为本科毕业设计所研究课题，即用传统实体关系抽取模型跑IPRE数据集并比较结果，在本毕业设计中也提出了新的模型，比其他本文中所用模型更快，但是同时损失了一定的精度，总体来说仍然不错 对于IPRE数据集，集成CNN，PCNN-one，BiLSTM，Bert以及自己设计的LBert模型的代码文件 ...

针对传统机器学习方法需要人工构造特征、无法充分提取交通流的时空特征等问题，提出一种混合预测模型，该模型结合卷积神经网络（Convolutional Neural Network，CNN）和XGBoost（Extreme Gradient Boosting）各自的优势，在网络底层使用CNN对交通流数据进行特征的自动提取和选择，并将得到的高维特征向量输入到XGBoost模型中进行预测。

Mask R-CNN是由华人学者何凯明教授主导的一个多任务深度学习模型，能够在一个模型中完成图片中实例的分类和定位，并绘制出像素级的遮罩 (Mask)来完成分割任务。Mask R-CNN是一个较为复杂的模型，使用了若干不同的网络模型，包括ResNet，FPN，RPN以及分类和回归模型。下面，我们对Mask R-CNN进行逐步的 ...