#deep-learning Repositories
Insgesamt 2,273 Repositories
Eine Sammlung von Deep-Learning-basierten RGB-T-Fusionsmethoden, Codes und Datensätzen. Die wichtigsten einbezogenen Richtungen sind multispektrale Fußgängererkennung, RGB-T-Objekterkennung aus der Luft, RGB-T-semantische Segmentierung, RGB-T-Crowd Counting, RGB-T-Fusions-Tracking.
ToolOrchestra ist ein End-to-End-RL-Trainings-Framework zur Orchestrierung von Tools und agentischen Workflows.
Offizielle PyTorch-Implementierung von Revisiting Image Pyramid Structure for High Resolution Salient Object Detection (ACCV 2022)
Android TensorFlow Lite Maschinelles Lernen Beispiel
Eine einfache Bibliothek zum Erstellen komplexer neuronaler Netze
Ein Gebärdensprach-Interpreter, der den Live-Video-Feed von der Kamera verwendet.
MM-EUREKA: Erkundung der Grenzen multimodaler Schlussfolgerung mit regelbasierter Verstärkungslernen
KI-Produktivitätstool – Kostenlos und Open Source, verbessert die Benutzerproduktivität und schützt Privatsphäre und Datensicherheit. Einschließlich, aber nicht beschränkt auf: integrierte lokale exklusive Modelle wie ChatGPT, DeepSeek, Phi, Qwen und andere, intelligente Stapelverarbeitung von Bildern, Videos, Audio usw. mit einem Klick.
[CVPR 2024] X-Adapter: Hinzufügen universeller Kompatibilität von Plugins für verbesserte Diffusionsmodelle
Ultraschnelle Tiefen-Bänderkennung mit hybrider Anker-getriebener ordinaler Klassifikation (TPAMI 2022)
Hunyuan-GameCraft: Hochdynamische interaktive Spielvideoerzeugung mit hybrider Historienbedingung
Das erste verhaltensbasierte Modell, das einen virtuellen physikbasierten humanoiden Agenten für eine Vielzahl von Ganzkörperaufgaben steuert.
Basierend auf PaddlePaddle implementierte Spracherkennung, Chinesische Spracherkennung. Das Projekt ist vollständig und bietet gute Erkennungsleistung. Unterstützt Training und Vorhersage unter Windows und Linux, unterstützt Vorhersage auf dem Nvidia Jetson-Entwicklungsboard.
Neueste hochzitierte/Top-Konferenz-Papiere zur Erklärbarkeit von neuronalen Netzwerkmodellen im Deep Learning (mit Code)
Deep Learning für Kamera-Kalibrierung und darüber hinaus: Eine Übersicht
Generischer und benutzerfreundlicher Serving-Service für Machine-Learning-Modelle
OpenCV 4 Computer Vision mit Python 3 lernen – Dritte Auflage, veröffentlicht von Packt
„AI Full Stack – Hervorragende Ressourcensammelseite des gesamten Netzwerks“: Sammelt hervorragende Ressourcen aus dem gesamten Netzwerk, dokumentiert Lösungsstrategien und Schlüsselpunkte für technische Praxisprobleme, teilt verschiedene praktische Anwendungsfälle, verfolgt die Entwicklung von Spitzen Technologien und umfasst KI-Full-Stack-Wissen, einschließlich großer Modelle, Programmiertechnologien, maschinelles Lernen, tiefes Lernen, bestärkendes Lernen, Graph-Neuronale Netze, Spracherkennung, NLP und Bilderkennung.
Eine beeindruckende Liste von Sommerschulen zu Künstlicher Intelligenz, Machine Learning und Gesundheitswesen
Beispiel-Notebooks für die Arbeit mit SageMaker Studio Lab. Melden Sie sich über den unten stehenden Link für ein Konto an!
Dieses Repository enthält alle in Top-Konferenzen für Computer Vision angenommenen Arbeiten, mit der Möglichkeit, verwandte Arbeiten zu durchsuchen.
Die weltweit schnellste ANPR-/ALPR-Implementierung für CPUs, GPUs, VPUs und NPUs auf Basis von Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2 ...). Unterstützt mehrere Zeichensätze (lateinisch, koreanisch, chinesisch), Betriebssysteme (Jetson, Android, Raspberry Pi, Linux, Windows) und Architekturen (ARM, x86).
Gemeinsames Lernen von Detektions- und Identifikationsmerkmalen für die Personensuche
Umfassende Sammlung von Prüfungen und Vorstellungsgesprächen für Algorithmus-Positionen, in Anlehnung an "Fünf Jahre高考, Drei Jahre模拟" für die Algorithmusgemeinschaft!
Neues und erweiterbares Dateiformat zur Speicherung großer Spaltendatenmengen.
[ICCV 2023] Offizielle Implementierung des Papiers "A Simple Framework for Open-Vocabulary Segmentation and Detection"
[NeurIPS 2024 Spotlight] Offizielle Implementierung von MSFA und Veröffentlichung des SARDet_100K-Datensatzes für die groß angelegte Objekterkennung mit synthetischem Scharffokusradar (SAR)
Zusammenstellung von aufsehenerregenden realen Beispielen für gescheiterte Machine-Learning-Projekte
YOLOv11-RGBT: Auf dem Weg zu einem umfassenden einstufigen multispektralen Objekterkennungs-Framework (Unterstützt RGBT-Erkennung für alle YOLO-Serien von YOLOv3 bis YOLOv13 sowie RTDETR. 【Ultralytics YOLOv3-YOLOv13】
Ein Open-Source-Framework/Compiler für effizientes Deep Learning, geschrieben in Python.
[CVPR'25 Highlight] Offizielles Repository von Sonata: Selbstüberwachtes Lernen von zuverlässigen Punktrepräsentationen
Offizielle PyTorch-Implementierung von "I2L-MeshNet: Image-to-Lixel Prediction Network für genaue 3D-Menschen-Pose und Netzschätzung aus einem einzigen RGB-Bild", ECCV 2020