#deep-learning Repositories
Insgesamt 2,273 Repositories
Dieses Projekt zielt auf die Erkennung von Video-Deepfakes mithilfe von Deep-Learning-Techniken wie RestNext und LSTM ab. Wir haben die Deepfake-Erkennung durch Transferlernen erreicht, wobei die vortrainierte RestNext-CNN verwendet wird, um einen Feature-Vektor zu erhalten. Anschließend wird die LSTM-Schicht mithilfe der Features trainiert. Weitere Details finden Sie in der Dokumentation.
Vorlagensprache geschrieben für Stable Diffusion Workflows. Verfügbar als Erweiterung für die Automatic1111 WebUI.
Ein leistungsstarker Ausgangspunkt für Bildklassifizierung, Gesichtserkennung und Bildabruf mit Pytorch
Baue dein eigenes X - Meistere maschinelles Lernen, indem du alles von Grund auf neu erstellst. Es zielt darauf ab, alles von linearer Regression über Deep Learning bis hin zu großen Sprachmodellen (LLMs) abzudecken.
[TMLR 2025🔥] Eine Übersicht über autoregressive Modelle in der Bildverarbeitung.
PyTorch-Implementierung des Papers "Class-Balanced Loss Based on Effective Number of Samples"
Lokalisierte Wasserzeichen für KI-generierte Sprachaudios mit SOTA in Robustheit und sehr schnellem Detektor
Dolphin ist ein mehrsprachiges, multitaskingfähiges ASR-Modell, das gemeinsam von DataoceanAI und der Tsinghua University trainiert wurde.
Eine Python-Bibliothek für hochperformante Bildschirmaufnahme unter Windows mit Desktop Duplication API - Aktualisiert 2026
[ICLR 2024] Steuerung von Vision-Language-Modellen zur universellen Bildrestaurierung. Bedeutete den 5. Platz in der NTIRE 2024 Restore Any Image Model in the Wild Challenge.
Offizielle PyTorch-Implementierung von FB-BEV & FB-OCC – Vorwärts-Rückwärts-Ansichts-Transformation für die vision-zentrierte Wahrnehmung autonomer Fahrzeuge
Taktile Wahrnehmung • Datenerfassung • IL/RL/VLA/WM • Manipulation • Simulation • Open Source
HPC-Tutorial, das kollektive Kommunikation (MPI, NCCL), CUDA-Programmierung, Vektorisierung SIMD, RDMA-Kommunikation usw. umfasst.
Zurück zur Funktion: Robuste Kamerastandortbestimmung von Pixeln zu Posen lernen (CVPR 2021)
Ein Open-Source-Computer-Vision-Framework zum Erstellen und Bereitstellen von Apps in wenigen Minuten
CnSTD: Ein Python3-Paket für die Erkennung von Szenen-Text (Scene Text Detection), mathematischen Formeln (Mathematical Formula Detection, MFD) und Layout-Analyse (Layout Analysis) auf Basis von PyTorch/MXNet für Chinesisch/Englisch
Feature Engineering ist der Prozess, Domain-Wissen zu nutzen, um Features aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Features können verwendet werden, um die Leistung von Machine-Learning-Algorithmen zu verbessern. Feature Engineering kann als angewandtes Machine Learning selbst betrachtet werden.
Implementierung von Phenaki Video, das Mask GIT verwendet, um textgesteuerte Videos von bis zu 2 Minuten Länge in Pytorch zu produzieren
Eine Bibliothek zur Lösung von Differentialgleichungen mit neuronalen Netzwerken basierend auf PyTorch, die von mehreren Forschunggruppen weltweit verwendet wird, einschließlich Harvard IACS.
Eine Python-Bibliothek für simulationsbasierte Inferenz mit Deep Learning
„EasyOffer“ ( <Sammlung von Interviewerfahrungen mit großen Modellen> ) ist ein Leitfaden für Sommerpraktika für große Modelle, der speziell für LLM-Babys entwickelt wurde und hauptsächlich einige häufige Code-Reißübungen von großen Unternehmen, Interviewerfahrungen von großen Unternehmen und häufige Denkaufgaben von großen Unternehmen für die Vorbereitung auf Sommerpraktika und den Herbst-Recruiting von großen Modellen aufzeichnet; ich bin ein Anfänger und lerne gerade...... Wenn Sie Fragen haben, korrigieren Sie mich jederzeit, liebe Meister, ich hoffe, jeder kann das gewünschte Angebot erhalten!
[In Entwicklung] QPT – Ein Python-zu-EXE-Tool, das Open-Source-Projekte besser auf die Internetwelt vorbereiten soll (Python-Paketierung).
Dieses Projekt zielt darauf ab, Algorithmus-Ingenieuren, die sich dem VLA-Bereich (Vision-Language-Action) widmen möchten, ein praxisorientiertes Lern-/Interview-Handbuch in chinesischer Sprache bereitzustellen. Im Gegensatz zu allgemeinen CV/NLP-Interviewleitfäden konzentriert sich dieses Projekt auf die besonderen Herausforderungen der Robotik.
TensorFlow-Implementierung zur Berechnung eines semantisch segmentierten Vogelperspektivenbildes (BEV) aus Bildern mehrerer fahrzeugmontierter Kameras.
Fizgig — LoRA- und Fine-Tuning-Studio für Klein 9B, Krea 2, MiniMax H3, Qwen Image 2.1, Anima, Z-Image Turbo und Ace-Step XL: LoRAs und LoKRs für Bild-, Video- und Musikmodelle trainieren, feinabstimmen, profilieren, reparieren und extrahieren
[ICRA 2022] Ein Open-Source-Framework für kooperative Detektion. Offizielle Implementierung für OPV2V.
DNABERT: vortrainiertes bidirektionales Encoder-Repräsentationsmodell von Transformers für DNA-Sprache im Genom
Von Grund auf implementiertes Sparse Mixture of Experts Sprachmodell, inspiriert von Andrej Karpathys makemore :)
Eine kuratierte Liste von großartigen Dingen im Zusammenhang mit Werkzeugen für künstliche Intelligenz
Score-basierte generative Modelle (Diffusionsmodelle) für Sprachverbesserung und Enthallung