#convolutional-neural-networks Repositories
Entdecke 91 aktive Open-Source-GitHub-Repositories, die mit #convolutional-neural-networks getaggt sind und insgesamt 242,965 Sterne gesammelt haben (durchschnittlich 2,669 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist bloc97/Anime4K mit 20,452 Sternen.
Insgesamt 91 Repositories
Eine Sammlung verschiedener Deep-Learning-Architekturen, Modelle und Tipps
Code-Beispiele für mein Buch "Neural Networks and Deep Learning"
PyTorch-Implementierung des U-Net für die semantische Segmentierung von Bildern mit hochwertigen Bildern
Techniken für Deep Learning mit Satelliten- und Luftbildern
Best Practices, Code-Beispiele und Dokumentation für Computer Vision.
T81-558: Keras - Anwendungen tiefer neuronaler Netze @Washington University in St. Louis
Convolutional Neural Network für Textklassifikation in TensorFlow
Go-Engine ohne menschliches Vorwissen, modelliert nach dem AlphaGo Zero Paper.
Ich glaube, dass Sie, die Doktoranden und Arbeitssuchenden, für die das Buch hauptsächlich bestimmt ist, davon profitieren werden; ich hoffe jedoch, dass selbst die erfahrensten Forscher es faszinierend finden werden.
Notizen, Programmieraufgaben und Quizze aus allen Kursen der Coursera Deep Learning Specialization, angeboten von deeplearning.ai: (i) Neuronale Netze und Deep Learning; (ii) Verbesserung tiefer neuronaler Netze: Hyperparameter-Tuning, Regularisierung und Optimierung; (iii) Strukturierung von Machine-Learning-Projekten; (iv) Convolutional Neural Networks; (v) Sequenzmodelle
Effiziente KI-Backbones einschließlich GhostNet, TNT und MLP, entwickelt von Huawei Noah's Ark Lab.
🧠💬 Artikel, die ich über maschinelles Lernen geschrieben habe, archiviert von MachineCurve.com.
Dieses Paket enthält den ursprünglichen AlexNet-Code von 2012.
Minkowski Engine ist eine Auto-Diff-Neural-Network-Bibliothek für hochdimensionale sparse Tensoren
Hocheffiziente Gleitkomma-Neuronale-Netzwerk-Inferenzoperatoren für Mobilgeräte, Server und Web
Die Codes für die Arbeit „Swin-Unet: Unet-ähnlicher reiner Transformer für die medizinische Bildsegmentierung“ [ECCVW 2022]
Meistern Sie die essenziellen Fähigkeiten, die benötigt werden, um komplexe reale Probleme mit Machine Learning und Deep Learning zu erkennen und zu lösen, indem Sie das hochpopuläre Python Machine Learning-Ökosystem nutzen.
Computer-Vision-Bibliothek für Mensch-Computer-Interaktion. Sie implementiert Kopfposen- und Blickrichtungsabschätzung unter Verwendung von Convolutional Neural Networks, Hauterkennung durch Backprojection, Bewegungsdetektion und -verfolgung, Salienzkarte.
Top 200 Deep-Learning-GitHub-Repositories, sortiert nach Anzahl der Sterne.
Software und vortrainierte Modelle für die automatische Verbesserung der Fotoqualität mit Deep Convolutional Networks
pip install antialiased-cnns zur Verbesserung von Stabilität und Genauigkeit
Bayessches Convolutional Neural Network mit Variationsinferenz basierend auf Bayes by Backprop in PyTorch.
Die umfassendsten Plug-and-Play-Module für das gesamte Netz 2025, kostenlos geteilt! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... Umfasst alle Bereiche der künstlichen Intelligenz (maschinelles Lernen, Deep Learning usw.), geeignet für Bildklassifizierung, Objektdetektion, Instanzsegmentierung, semantische Segmentierung, panoptische Segmentierung, Posenschätzung, medizinische Bildsegmentierung, Video-Objektsegmentierung, Bildfreistellung, Bildbearbeitung, Einzelobjektverfolgung, Mehrfachobjektverfolgung, Personenwiedererkennung, RGBT, Bildrauschen, Regenentfernung, Nebelentfernung, Schattenentfernung, Unschärferentfernung, Super-Resolution, Reflektionsentfernung, Moiré-Muster-Entfernung, Bildwiederherstellung, Bildrekonstruktion, Hyperspektrale Bildwiederherstellung, Bildfusion, Kolorierung von Bildern, High-Dynamic-Range-Imaging, Video- und Bildkomprimierung, 3D-Punktwolken, 3D-Objektdetektion, 3D-semantische Segmentierung, 3D-Posenschätzung usw. sowie andere KI-bezogene Aufgaben wie natürliche Sprachverarbeitung, große Sprachmodelle, Multimodalität usw. Kontinuierliche Aktualisierung......
PyTorch-Code für unser ECCV 2018-Papier "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
CNN-Bildabruf in PyTorch: Training und Evaluierung von CNNs für Bildabruf in PyTorch
[ICLR'23 Spotlight🔥] Die erste erfolgreiche BERT/MAE-Stil-Vortraining auf jedem konvolutionellen Netzwerk; Pytorch-Implementierung von "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"
Echtzeit-Schätzung der Kopfhaltung von Menschen mit ONNXRuntime und OpenCV.
Eine leichtgewichtige Header-Only-Bibliothek für die Verwendung von Keras (TensorFlow)-Modellen in C++.
:computer: Lerne, Maschinen lernen zu lassen, damit du nicht mit ihrem Programmieren kämpfen musst; Die ultimative Liste
Häufig gestellte Fragen
Welches ist das beliebteste #convolutional-neural-networks-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#convolutional-neural-networks-Projekt auf GitHub ist bloc97/Anime4K mit 20,452 Sternen. Ein Hochwertiger Echtzeit-Upscaler für Anime-Videos
Welche Programmiersprachen werden in #convolutional-neural-networks-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #convolutional-neural-networks-Projekten auf GitHub sind Python, Jupyter Notebook, C++, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #convolutional-neural-networks-Repositories berechnet?
Wir verfolgen 91 aktive Open-Source-Repositories, die mit #convolutional-neural-networks getaggt sind (500+ Sterne), mit insgesamt 242,965 Sternen und durchschnittlich 2,669 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.