#cnn Repositorios
Descubre 62 repositorios activos de código abierto de GitHub etiquetados con #cnn, que acumulan 320,700 estrellas en total (una media de 5,172 estrellas por proyecto). El líder de este tema es microsoft/AI-For-Beginners, con 71,086 estrellas.
62 repositorios en total
OCR listo para usar con más de 80 idiomas compatibles y todos los scripts de escritura populares, incluidos latín, chino, árabe, devanagari, cirílico, etc.
⚡️HivisionIDPhotos: una herramienta de IA ligera y eficiente para fotos de carné. Un algoritmo ligero y eficiente de IA para la creación de fotos de carné.
《Tutorial de Aprendizaje Profundo de Li Hongyi》(Recomendado por el profesor Li Hongyi 👍, Apple Books 🍎), Enlace de descarga PDF: https://github.com/datawhalechina/leedl-tutorial/releases
Una red neuronal que transforma un mock-up de diseño en un sitio web estático.
Una biblioteca de código abierto para la detección de rostros en imágenes. La velocidad de detección de rostros puede alcanzar los 1000 FPS.
🦙 LaMa Image Inpainting, Inpainting de máscaras grandes y robusto a la resolución con convoluciones de Fourier, WACV 2022
Visión robótica Robot móvil VS-SLAM ORB-SLAM2 Detección de objetos de aprendizaje profundo yolov3 Detección de comportamiento opencv PCL Aprendizaje automático Conducción autónoma
Sistema de Reconocimiento de Voz Chino Basado en Aprendizaje Profundo
Series temporales Timeseries Deep Learning Machine Learning Python Pytorch fastai | Biblioteca de Deep Learning de vanguardia para Series Temporales y Secuencias en Pytorch / fastai
Red Neuronal Convolucional para Clasificación de Texto en TensorFlow
Herramientas para Diseñar o Visualizar la Arquitectura de Redes Neuronales
Tutoriales para comenzar con PyTorch y TorchText para análisis de sentimientos.
Tengine es un motor de inferencia ligero, de alto rendimiento y modular para dispositivos integrados.
Clasificación de texto en chino CNN-RNN, basada en TensorFlow
Cursos introductorios de aprendizaje profundo, cursos avanzados, cursos especiales, casos académicos, casos de práctica industrial, enciclopedia de conocimiento de aprendizaje profundo y banco de preguntas de entrevista El curso, caso y conocimiento de Deep Learning y AI
Superresolución de Imagen Única Fotorrealista Usando una Red Generativa Antagónica
Repositorio de preguntas y respuestas de entrevistas AIGC-interview/CV-interview/LLMs-interview, que también incluye nuevas ideas, nuevas preguntas, nuevos recursos y nuevos proyectos del proceso de trabajo e investigación
Detectar y reconocer las caras desde la cámara / Llamar a la cámara para reconocimiento facial, soporta reconocimiento simultáneo de múltiples caras
Mapas de activación de clase para sus modelos de PyTorch (CAM, Grad-CAM, Grad-CAM++, Smooth Grad-CAM++, Score-CAM, SS-CAM, IS-CAM, XGrad-CAM, Layer-CAM, Finer-CAM, LeGrad, RefineCAM)
Integrar modelos de aprendizaje profundo para la clasificación de imágenes | Proyecto de aprendizaje/comparación/modificación mágica de la columna vertebral
Biblioteca de visión por computadora para la interacción humano-computadora. Implementa la Estimación de Pose de Cabeza y Dirección de Mirada Usando Redes Neuronales Convolucionales, Detección de Piel mediante Backprojection, Detección y Seguimiento de Movimiento, Mapa de Saliencia.
Lista aproximada de mis recursos favoritos de deep learning, útil para repasar temas o como referencia. He revisado todo el contenido listado allí con cuidado. - Guillaume Chevalier
Detector de puntos clave faciales en tiempo real móvil gratuito basado en aprendizaje profundo. Contacto: [email protected]
Colección de cuadernos de Google Colaboratory para experimentos rápidos y sencillos
Recuperación de imágenes CNN en PyTorch: Entrenamiento y evaluación de CNNs para recuperación de imágenes en PyTorch
[ICLR'23 Spotlight🔥] El primer pre-entrenamiento exitoso al estilo BERT/MAE en cualquier red neuronal convolucional; Implementación en Pytorch de "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"
Notas de lectura de artículos sobre aprendizaje profundo y aprendizaje automático
:art: Versión mejorada de reconocimiento de fórmulas matemáticas: Fórmulas manuscritas e impresas en chino e inglés, soporta derivación básica de símbolos (estructura de datos basada en el árbol de sintaxis abstracta de LaTeX) Math Formula OCR Pro, soporta escritura a mano, fórmulas mixtas chino-inglés y razonamiento simple de símbolos (basado en LaTeX AST).
Implementación en Keras de "One pixel attack for fooling deep neural networks" usando evolución diferencial en Cifar10 e ImageNet
Una biblioteca de aprendizaje profundo para la clasificación de tareas (señales) de EEG, basada en TensorFlow.
[No oficial] Implementación en PyTorch de "Conformer: Transformer aumentado por convolución para el reconocimiento de voz" (INTERSPEECH 2020)
Diagramas para visualizar la arquitectura de redes neuronales
RepViT: Revisando las CNN móviles desde la perspectiva de ViT [CVPR 2024] y RepViT-SAM: Hacia la segmentación en tiempo real de cualquier cosa
UNetFormer: un transformer similar a UNet para la segmentación semántica eficiente de imágenes de escenas urbanas de teledetección, ISPRS. Además, se incluyen otros transformadores de visión y CNN para la segmentación de imágenes satelitales, aéreas y de drones.
Bolt es una biblioteca de aprendizaje profundo con alto rendimiento y flexibilidad heterogénea.
Este proyecto extiende la idea de la arquitectura innovadora de las Redes Kolmogorov-Arnold (KAN) a las Capas Convolucionales, cambiando la transformación lineal clásica de la convolución por activaciones no lineales aprendibles en cada píxel.
D2-Net: Una CNN entrenable para la descripción y detección conjunta de características locales
LLVIP: Un conjunto de datos emparejado visible-invisible para visión con poca luz
Clasificación de texto multietiqueta, clasificación multietiqueta, clasificación de texto, multietiqueta, clasificador, clasificación de texto, BERT, seq2seq, attention, clasificación multietiqueta
Preguntas frecuentes
¿Cuál es el repositorio de #cnn más popular en GitHub?
El proyecto de código abierto de #cnn mejor posicionado en GitHub es microsoft/AI-For-Beginners, con 71,086 estrellas. 12 semanas, 24 lecciones, ¡IA para todos!
¿Qué lenguajes de programación se utilizan más en los repositorios de #cnn?
Entre los proyectos de #cnn mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, HTML.
¿Cómo se calcula la clasificación de los repositorios de #cnn?
Seguimos 62 repositorios activos de código abierto etiquetados con #cnn (500+ estrellas), que suman un total de 320,700 estrellas, con una media de 5,172 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.