#deep-learning Repositories
Insgesamt 2,273 Repositories
Offizielle Implementierung des CVPR 2022 Papers "Neural RGB-D Surface Reconstruction"
Vollständiger Lebenszyklus eines Data-Science-Projekts
Der offizielle Code für "One Fits All: Power General Time Series Analysis by Pretrained LM (NeurIPS 2023 Spotlight)"
Implementierung/Tutorial zur Verwendung automatisierter maschineller Lernmethoden (AutoML) für statisches/Batch- und Online/kontinuierliches Lernen
Kleiderordnung: Hochauflösende virtuelle Anprobe für mehrere Kategorien. ECCV 2022
Eine Liste von Ressourcen zur Punktmengenabstimmung/Registrierung, gesammelt von Gang Wang
[CVPR2024] Code für "SAM-6D: Segment Anything Model trifft Zero-Shot 6D Objektschätzung".
Offizielle Implementierung für "Blended Latent Diffusion" [SIGGRAPH 2023]
[ECCV2024] Dies ist ein offizieller Inferenzcode für die Paper "Glyph-ByT5: Ein angepasster Text-Encoder für präzises visuelles Text-Rendering" und "Glyph-ByT5-v2: Eine starke ästhetische Baseline für präzises mehrsprachiges visuelles Text-Rendering""
Offizielle Code-Implementierung von Vary-toy (Small Language Model trifft auf Reinforced Vision Vocabulary)
[CVPR 2025, TPAMI 2026] UniScene: Einheitliche belegungszentrierte Fahrtszenengenerierung
Minimale Implementierung von skalierbaren rektifizierten Fluss-Transformatoren, basierend auf dem Ansatz von SD3
Tensorflow Faster R-CNN für Windows/Linux und Python 3 (3.5/3.6/3.7)
Offizielle Implementierung von "FitDiT: Verbesserung der authentischen Kleidungsdetails für hochfidelen virtuellen Anprobe"
TransMorph: Transformer für unüberwachte medizinische Bildregistrierung (PyTorch)
Dieses Repository sammelt einige Codes, die gängige Algorithmen im Bereich des maschinellen Lernens kapseln. Die meisten basieren auf Numpy, Pandas oder Torch. Sie können Ihr Verständnis für verwandte Modelle und Algorithmen vertiefen oder sie überarbeiten, um den für Sie passenden Code zu erhalten, indem Sie sich auf dieses Repository beziehen.
:fire: Verwende vortrainierte Modelle in PyTorch, um Vektorembeddings für jedes Bild zu extrahieren
KI-Folien, Notizen zu Fachartikeln, Vorlesungsnotizen, Blogbeiträge und Forschungsüberblicke.
Eine kuratierte Liste von Multi-Modal Reinforcement Learning-Ressourcen (ständig aktualisiert)
Dies ist eine Liste von hervorragenden Arbeiten über optischen Fluss und verwandte Arbeiten.
Dieses Repository enthält den Code für LipGAN. LipGAN wurde als Teil des Papers mit dem Titel "Towards Automatic Face-to-Face Translation" veröffentlicht.
Eine neuartige Methode zur Mensch-Interaktion für die Echtzeit-Sprachextraktion auf Kopfhörern.
Einfache & modulare Computer Vision Detektoren, Tracker & SAM - Führen Sie YOLOv9,v8,v7,v6,v5,R,X in weniger als 10 Codezeilen aus.
Eine Implementierung von 1D-, 2D- und 3D-Positionskodierung in Pytorch und TensorFlow
🎉 PILOT: Eine auf vortrainierten Modellen basierende Toolbox für kontinuierliches Lernen
Python-Paket zur Durchführung von Entity- und Text-Matching mit Deep Learning.
Die sauberste AutoML-Bibliothek der Welt ✨ - Führen Sie Hyperparameter-Tuning mit den richtigen Pipeline-Abstraktionen durch, um saubere Deep-Learning-Produktionspipelines zu schreiben. Lassen Sie Ihre Pipeline-Schritte Hyperparameterspaces haben. Entwerfen Sie Schritte in Ihrer Pipeline wie Komponenten. Kompatibel mit Scikit-Learn, TensorFlow und den meisten anderen Bibliotheken, Frameworks und MLOps-Umgebungen.
🔥3D-Punktwolken-Zielerkennung & Semantische Segmentierung (Deep Learning) - SOTA-Methoden, Code, Paper, Datensätze usw.
Kursnotizen zu Machine Learning (Machine Learning) 2021 Spring des Professors Li Hongyi der Universität Taipeh (NTU)
Als zentrale Komponente der Huawei-Ascend-for-PyTorch-Community ist TorchNPU ein von Ascend entwickeltes Deep-Learning-Adapter-Plug-in für PyTorch. Es ermöglicht dem PyTorch-Framework, Ascend-NPUs direkt anzusteuern, und stellt Entwicklern die leistungsstarke Rechenkapazität der Ascend-KI-Prozessoren zur Verfügung.
Ereignisauszeichnung basierend auf rechtlichen Urteilstexten und deren Anwendungen, einschließlich der Wortsegmentierung der Daten, POS-Tagging, Named Entity Recognition, Ereigniselementauszeichnung und Vorhersage des Urteilsergebnisses usw.
dddmr_navigation ist die 3D-Navigationslösung für mobile Roboter, die Kartierung, Lokalisierung, Wahrnehmung, Pfadplanung, Steuerung und einen Navigations-Stack umfasst.
Eine Teilmenge von PyTorchs neuronalen Netzwerkmodulen, geschrieben in Python unter Verwendung von OpenAI's Triton.