#image-classification Repositories
Insgesamt 107 Repositories
Offizielle PyTorch-Implementierung von VisionHOPE: Visuelle Backbones als selbstmodifizierende Lernsysteme.
Xtreme1 ist eine All-in-One-Plattform für Datenkennzeichnung und -annotation für das Training multimodaler Daten und unterstützt 3D-LiDAR-Punktwolken, Bilder und LLMs.
Zenless Zone Zero | 绝区零 | Hohlraum Null | Automatischer Kampf | Automatisierung | Bilderkennung | Texterkennung
Erstellen, trainieren, optimieren und betreiben Sie Computer-Vision-Modelle lokal – von Rohbildern bis zur Live-Inferenz. Open Source und für Intel® XPU optimiert (CUDA wird ebenfalls unterstützt).
PoolFormer: MetaFormer ist eigentlich das, was Sie für Vision (CVPR 2022 Oral) benötigen
Offizielles Repository für "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]
Fertig verwendbarer Code und Tutorial-Notebooks, um Ihren Einstieg in Few-Shot-Learning für die Bildklassifizierung zu beschleunigen.
Eine TensorFlow-Implementierung dieses Nvidia-Papers: https://arxiv.org/pdf/1604.07316.pdf mit einigen Änderungen
TorchXRayVision: Eine Bibliothek von Röntgen-Thorax-Datensätzen und Modellen. Klassifikatoren, Segmentierung und Autoencoder.
Finden Sie automatisch Probleme in Bilddatensätzen und üben Sie datenzentrische Computer Vision.
Eine einfache Methode zur Durchführung von halbüberwachtem Lernen mit begrenzten Daten.
Kanal-Pruning zur Beschleunigung sehr tiefer neuronaler Netzwerke (ICCV'17)
AugMix: Eine einfache Methode zur Datenverarbeitung zur Verbesserung der Robustheit und Unsicherheit
:fire: :fire: :fire: Eine Papiere-Liste einiger neuerer Arbeiten im Bereich Computer Vision (CV)
Eine Bibliothek zum Experimentieren, Trainieren und Evaluieren von neuronalen Netzwerken, mit dem Fokus auf adversarieller Robustheit.
Skalierung Ihrer Kernel auf 31x31: Überprüfung des Designs großer Kernel in CNNs (CVPR 2022)
[ICLR 2024] Offizielle PyTorch-Implementierung von FasterViT: Schnelle Vision Transformer mit hierarchischer Aufmerksamkeit
Repository des Vision Transformer mit deformierbarer Aufmerksamkeit (CVPR2022) und DAT++: Räumlich dynamischer Vision Transformer mit deformierbarer Aufmerksamkeit
YoloDotNet - Ein C# .NET 8.0-Projekt für Klassifizierung, Objekterkennung, OBB-Erkennung, Segmentierung und Pose-Schätzung in Bildern und Live-Videostreams.
Leistungsstarke Vision-Bibliothek in Python. Skalieren Sie Ihre Forschung, nicht Boilerplate.
Ein leistungsstarker Ausgangspunkt für Bildklassifizierung, Gesichtserkennung und Bildabruf mit Pytorch
Reproduktion des Papiers von Yann LeCun aus dem Jahr 1989 mit dem Titel "Backpropagation Applied to Handwritten Zip Code Recognition", meines Wissens die früheste reale Anwendung eines neuronalen Netzes, das mit Backpropagation trainiert wurde.
Leitfaden für maschinelles Lernen. Erfahren Sie alles über Machine-Learning-Tools, Bibliotheken, Frameworks, Large Language Models (LLMs) und Trainingsmodelle.
Anleitung zur Bildsignalverarbeitung (ISP). Erfahren Sie alles über den Prozess der Umwandlung eines Bildes/Videos in digitale Form durch Aufgaben wie Rauschunterdrückung, Filterung, automatische Belichtung, Autofokus, HDR-Korrektur und Bildschärfung mit einem spezialisierten Mediaprozessor.
Bildaugmentation für Computer Vision. Ausschließlich AGPL-3.0-Lizenz oder kommerzielle Lizenzierung.
[NeurIPS 2020] Dieses Projekt bietet eine starke Single-Stage-Baseline für Long-Tailed Classification, Detection und Instance Segmentation (LVIS). Es ist auch eine PyTorch-Implementierung der NeurIPS 2020-Arbeit 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
🚀 Eine leistungsstarke Echtzeit-Objekterkennungslösung mit YOLO11 ⚡️, angetrieben von ONNX-Runtime
[ICLR 2025 Spotlight] Vision-RWKV: Effiziente und skalierbare visuelle Wahrnehmung mit RWKV-ähnlichen Architekturen
Hands-On Machine Learning mit C++, veröffentlicht von Packt
RectLabel ist ein Offline-Tool zur Bildannotation für Objekterkennung und Segmentierung.