#imagenet Repositories
Entdecke 26 aktive Open-Source-GitHub-Repositories, die mit #imagenet getaggt sind und insgesamt 117,164 Sterne gesammelt haben (durchschnittlich 4,506 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist huggingface/pytorch-image-models mit 37,299 Sternen.
Insgesamt 26 Repositories
Die größte Sammlung von PyTorch-Bildencodern / Backbones. Einschließlich Trainings-, Eval-, Inferenz-, Export-Skripte und vortrainierte Gewichte -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt und mehr
Dies ist eine offizielle Implementierung für "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".
Semantische Segmentierungs-Modelle mit mehr als 500 vortrainierten konvolutionellen und Transformer-basierten Backbones.
Effiziente KI-Backbones einschließlich GhostNet, TNT und MLP, entwickelt von Huawei Noah's Ark Lab.
Effiziente Vision-Grundlagenmodelle für hochauflösende Generierung und Wahrnehmung.
DAMO-YOLO: eine schnelle und genaue Objekterkennungsmethode mit einigen neuen Techniken, darunter NAS-Backbones, effizientes RepGFPN, ZeroHead, AlignedOTA und Destillationsverbesserung.
Dieses Paket enthält den ursprünglichen AlexNet-Code von 2012.
CVNets: Eine Bibliothek zum Trainieren von Computervision-Netzwerken
Ein codefreies, auf PyTorch basierendes Framework für reproduzierbare Deep-Learning-Studien. PyTorch-Ökosystem. 🏆 Bislang wurden 28 Methoden zur Wissensdestillation implementiert, die auf TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI usw. vorgestellt wurden. 🎁 Trainierte Modelle, Trainingsprotokolle und Konfigurationen stehen zur Verfügung, um die Reproduzierbarkeit sicherzustellen und Benchmarking zu ermöglichen.
[CVPR 2025 Oral] Rekonstruktion vs. Generierung: Bewältigung des Optimierungsdilemmas in latenten Diffusionsmodellen
Keras-Implementierung von "One pixel attack for fooling deep neural networks" mit Differential Evolution auf Cifar10 und ImageNet
Die Tensorflow-, Keras-Implementierung von U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET und Swin-UNET mit optionalen, auf ImageNet trainierten Backbones.
Dataset Management Framework, eine Python-Bibliothek und ein CLI-Tool zum Erstellen, Analysieren und Verwalten von Computer-Vision-Datensätzen.
CAIRI Toolbox und Benchmark für überwachtes, semi-überwachtes und selbst-überwachtes visuelles repräsentatives Lernen
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
RectLabel ist ein Offline-Tool zur Bildannotation für Objekterkennung und Segmentierung.
Häufig gestellte Fragen
Welches ist das beliebteste #imagenet-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#imagenet-Projekt auf GitHub ist huggingface/pytorch-image-models mit 37,299 Sternen. Die größte Sammlung von PyTorch-Bildencodern / Backbones. Einschließlich Trainings-, Eval-, Inferenz-, Export-Skripte und vortrainierte Gewichte -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt und mehr
Welche Programmiersprachen werden in #imagenet-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #imagenet-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript, Cuda die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #imagenet-Repositories berechnet?
Wir verfolgen 26 aktive Open-Source-Repositories, die mit #imagenet getaggt sind (500+ Sterne), mit insgesamt 117,164 Sternen und durchschnittlich 4,506 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.