开源发展至今，越来越多的开发者使用开源代码的同时，也开始将自己的项目和代码大方骄傲地分享出来，在开源当中找到了成就和价值。更多的开发者得益于开源的优势，从加入使用，到共同开发。如此正向循环，不断地推动开源生态发展，开源社区也不断地壮大…
本周看点速览：
数据格式难以统一？自带数据转换器的MedSeg，带你轻松入门医疗影像分割。
稍逊PPYoloV2的YoloV5代码完全复现，学习Yolo这些Trick也可一试。
更稳更清晰的StyleGAN2，消除“伪影”也有新方案。
MedSeg
医疗影像分割套件
图像分割在深度学习当中属于非常经典的计算机视觉任务，由于近年来分割算法性能逐步提升，医疗影像领域也有了更多优秀的深度学习分割模型的出现。虽说医疗影像和普通图像数据在显示器中呈现的效果并无太大差异，但由于医疗影像中数据来源并非来源于传统摄像设备，其采集数据在格式、维度、值范围等方面与普通RGB图像数据有着很大不同，因此数据处理也成为了医疗影像分割的重要工作之一。
为了降低医疗影像分割在深度学习中的入门门槛，MedSeg医疗影像分割套件的开源有效的解决了这个问题，其不仅提供了mhd、nii等常见数据格式的转换工具箱，还提供了多个该领域常见的Backbone、Loss的实现方案，在肝脏分割任务上也可轻松达到0.94IOU的高水准。
项目维护者： linhandev
主要框架/工具组件：飞桨PaddlePaddle核心框架
GitHub链接：
https://github.com/linhandev/medSeg
扫码进入项目主页
YoloV5 模型复现
相较于PPYoloV2，虽然YoloV5在模型性能指标方面有着小幅度落后，但这样并不代表复现YoloV5没有任何价值。其在数据增强、自适应锚定框、Backbone以及激活函数上提出的改进方案，以及一些计算机视觉领域的State-of-the-art解析，一定程度上也将有助于开发者在Yolo系列上的学习与思考。近期，飞桨开发者技术专家（PPDE）Sharpiless在YoloV5原作基础上进行改进，代码层面还将其与高效的PaddleDetection进行融合，用户体验极佳。
项目维护者：Sharpiless
主要框架/工具组件：PaddleDetection
GitHub链接：
https://github.com/Sharpiless/PaddleDetection-Yolov5
扫码进入项目主页
StyleGAN2模型实现
GAN的出现使得深度学习领域有了更好的图像生成能力，StyleGAN则为受风格迁移style transfer启发而设计了一种新的生成器网络结构，其生成的图像非常逼真，并且可以较为轻松的控制不同目标视觉特征，例如在虚拟人像生成中单独控制发色、发量、面部表情等生成表现。
StyleGAN2生成效果
然而，在最初的StyleGAN中，虽然其可以生成较为清晰、真实的图像数据，但其在更加细致的部分依旧缺乏细节，甚至在部分生成结果中出现“伪影”等失真情况。StyleGAN2的出现很好的解决了这部分问题，其针对网络部分进行了重新设计，消除特征伪影的同时还进一步提升了训练速度。
项目维护者：HighCWu
主要框架/工具组件：飞桨PaddlePaddle核心框架
GitHub链接：
https://github.com/HighCWu/stylegan2-pytorch2paddle
扫码进入项目主页
上周看点传送门：
开源项目不在规模大小，大的开源项目成为行业翘楚，提供全面解决思路和方式，但小项目一样激动人心，创意傲人。
如果你想推荐自己的项目，只需简单进行项目介绍，发送邮件给飞桨社区工作人员（zhanghongji@baidu.com）即有机会参与项目推荐，你的代码也能给别人带来效率和价值！
如在使用过程中有问题，可加入官方QQ群进行交流：793866180。
如果您想详细了解更多飞桨的相关内容，请参阅以下文档。
·飞桨官网地址·
https://www.paddlepaddle.org.cn/
·飞桨开源框架项目地址·
GitHub: https://github.com/PaddlePaddle/Paddle
Gitee: https://gitee.com/paddlepaddle/Paddle
长按上方二维码立即star！
飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。飞桨企业版针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。
END
开源发展至今，越来越多的开发者使用开源代码的同时，也开始将自己的项目和代码大方骄傲地分享出来，在开源当中找到了成就和价值。更多的开发者得益于开源的优势，从加入使用，到共同开发。如此正向循环，不断地推动开源生态发展，开源社区也不断地壮大…
本周看点速览：
数据格式难以统一？自带数据转换器的MedSeg，带你轻松入门医疗影像分割。
稍逊PPYoloV2的YoloV5代码完全复现，学习Yolo这些Trick也可一试。
更稳更清晰的StyleGAN2，消除“伪影”也有新方案。
MedSeg
医疗影像分割套件
图像分割在深度学习当中属于非常经典的计算机视觉任务，由于近年来分割算法性能逐步提升，医疗影像领域也有了更多优秀的深度学习分割模型的出现。虽说医疗影像和普通图像数据在显示器中呈现的效果并无太大差异，但由于医疗影像中数据来源并非来源于传统摄像设备，其采集数据在格式、维度、值范围等方面与普通RGB图像数据有着很大不同，因此数据处理也成为了医疗影像分割的重要工作之一。
为了降低医疗影像分割在深度学习中的入门门槛，MedSeg医疗影像分割套件的开源有效的解决了这个问题，其不仅提供了mhd、nii等常见数据格式的转换工具箱，还提供了多个该领域常见的Backbone、Loss的实现方案，在肝脏分割任务上也可轻松达到0.94IOU的高水准。
项目维护者： linhandev
主要框架/工具组件：飞桨PaddlePaddle核心框架
GitHub链接：
https://github.com/linhandev/medSeg
扫码进入项目主页
YoloV5 模型复现
相较于PPYoloV2，虽然YoloV5在模型性能指标方面有着小幅度落后，但这样并不代表复现YoloV5没有任何价值。其在数据增强、自适应锚定框、Backbone以及激活函数上提出的改进方案，以及一些计算机视觉领域的State-of-the-art解析，一定程度上也将有助于开发者在Yolo系列上的学习与思考。近期，飞桨开发者技术专家（PPDE）Sharpiless在YoloV5原作基础上进行改进，代码层面还将其与高效的PaddleDetection进行融合，用户体验极佳。
项目维护者：Sharpiless
主要框架/工具组件：PaddleDetection
GitHub链接：
https://github.com/Sharpiless/PaddleDetection-Yolov5
扫码进入项目主页
StyleGAN2模型实现
GAN的出现使得深度学习领域有了更好的图像生成能力，StyleGAN则为受风格迁移style transfer启发而设计了一种新的生成器网络结构，其生成的图像非常逼真，并且可以较为轻松的控制不同目标视觉特征，例如在虚拟人像生成中单独控制发色、发量、面部表情等生成表现。
StyleGAN2生成效果
然而，在最初的StyleGAN中，虽然其可以生成较为清晰、真实的图像数据，但其在更加细致的部分依旧缺乏细节，甚至在部分生成结果中出现“伪影”等失真情况。StyleGAN2的出现很好的解决了这部分问题，其针对网络部分进行了重新设计，消除特征伪影的同时还进一步提升了训练速度。
项目维护者：HighCWu
主要框架/工具组件：飞桨PaddlePaddle核心框架
GitHub链接：
https://github.com/HighCWu/stylegan2-pytorch2paddle
扫码进入项目主页
上周看点传送门：
开源项目不在规模大小，大的开源项目成为行业翘楚，提供全面解决思路和方式，但小项目一样激动人心，创意傲人。
如果你想推荐自己的项目，只需简单进行项目介绍，发送邮件给飞桨社区工作人员（zhanghongji@baidu.com）即有机会参与项目推荐，你的代码也能给别人带来效率和价值！
如在使用过程中有问题，可加入官方QQ群进行交流：793866180。
如果您想详细了解更多飞桨的相关内容，请参阅以下文档。
·飞桨官网地址·
https://www.paddlepaddle.org.cn/
·飞桨开源框架项目地址·
GitHub: https://github.com/PaddlePaddle/Paddle
Gitee: https://gitee.com/paddlepaddle/Paddle
长按上方二维码立即star！
飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体，是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。飞桨企业版针对企业级需求增强了相应特性，包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业，提供零门槛、预置丰富网络和模型、便捷高效的开发平台；BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。
END
