#data-augmentation Repositorios
Descubre 46 repositorios activos de código abierto de GitHub etiquetados con #data-augmentation, que acumulan 80,183 estrellas en total (una media de 1,743 estrellas por proyecto). El líder de este tema es open-mmlab/mmcv, con 6,490 estrellas.
46 repositorios en total
Un sistema para generar rápidamente datos de entrenamiento con supervisión débil
Una biblioteca acelerada por GPU que contiene bloques de construcción altamente optimizados y un motor de ejecución para el procesamiento de datos, para acelerar aplicaciones de entrenamiento e inferencia de aprendizaje profundo.
Lanzamiento para modelos probabilísticos de difusión de eliminación de ruido mejorados
🔥🔥Biblioteca de Reconocimiento Facial de Alto Rendimiento en PaddlePaddle & PyTorch🔥🔥
TextAttack 🐙 es un framework de Python para ataques adversarios, aumento de datos y entrenamiento de modelos en NLP https://textattack.readthedocs.io/en/master/
Un sistema de E/S basado en Python de alto rendimiento para problemas de aprendizaje profundo grandes (y pequeños), con un fuerte soporte para PyTorch.
GigaBrain-0: Un Modelo Visión-Lenguaje-Acción Impulsado por un Modelo del Mundo
🎨 NeMo Data Designer: Genera datos sintéticos de alta calidad desde cero o desde datos semilla.
Una biblioteca de Python para laaugmentation de datos de audio. Útil para que los modelos de aprendizaje automático de audio funcionen bien en el mundo real, no solo en el laboratorio.
fastdup es una herramienta potente y gratuita diseñada para generar rápidamente información valiosa a partir de conjuntos de datos de imágenes y videos. Ayuda a mejorar la calidad tanto de las imágenes como de las etiquetas, al tiempo que reduce significativamente los costos de operación de datos, todo ello con una escalabilidad inigualable.
Paquete de aumento de datos en chino con un clic; Aumento de datos NLP, aumento de datos bert, EDA: pip install nlpcda
Lista de recursos útiles para el aumento de datos. Aquí encontrarás algunas técnicas no comunes, bibliotecas, enlaces a repositorios de GitHub, artículos y otros.
Este proyecto diseñó e implementó un sistema inteligente de preguntas y respuestas médicas basado en RAG (Generación Aumentada por Recuperación) con grafos de conocimiento y grandes modelos de lenguaje. Basado en el conjunto de datos médico DiseaseKG y utilizando Neo4j, el sistema construye un grafo de conocimiento de dominio que incluye 44.000 entidades y 310.000 relaciones. Al combinar el reconocimiento de entidades nombradas BERT con el reconocimiento de intención mediante un modelo 32B, el sistema mitiga eficazmente las alucinaciones de los grandes modelos en escenarios médicos mediante una búsqueda precisa en el grafo y una generación controlada de respuestas, mejorando significativamente la precisión y fiabilidad de las mismas.
Código para el artículo de TKDE "Aprendizaje auto-supervisado en grafos: ¿Contrastivo, generativo o predictivo?"
Este repositorio recopila artículos para "A Survey on Knowledge Distillation of Large Language Models" (Una Revisión sobre la Destilación del Conocimiento de Modelos de Lenguaje Grandes). Desglosamos la KD en Extracción de Conocimiento y Algoritmos de Destilación, y exploramos la Destilación de Habilidades y Vertical de los LLM.
Un método simple para realizar aprendizaje semi-supervisado con datos limitados.
Un marco para el aumento de datos para la clasificación y segmentación de imágenes 2D y 3D
Aumento rápido de datos de audio en PyTorch. Inspirado por audiomentations. Útil para el aprendizaje profundo.
Código base para Redes Generativas Antagónicas de Series Temporales (TimeGAN) – NeurIPS 2019
Flujos de trabajo de visión por computadora de resistencia industrial con Keras
Impresionantes artículos sobre extracción de información generativa (IE) utilizando grandes modelos de lenguaje (LLM)
Una base de código y una lista curada de aprendizaje profundo de cola larga (TPAMI 2023).
AugMix: Un método simple de procesamiento de datos para mejorar la robustez y la incertidumbre
Curando una lista de investigaciones relacionadas con AutoML, herramientas, proyectos y otros recursos
El Natural Language Toolkit for Indic Languages busca proporcionar soporte listo para usar para diversas tareas de NLP que un desarrollador de aplicaciones podría necesitar.
NL-Augmenter 🦎 → 🐍 Un repositorio colaborativo de transformaciones del lenguaje natural
Código para EgoX: Generación de Video Egocéntrico a partir de un Único Video Exocéntrico
Una biblioteca para generar y evaluar datos tabulares sintéticos para privacidad, equidad y aumento de datos.
Todos mis modelos de mejora (upscaling) de IA autoentrenados y lanzados. Después de recopilar y aplicar más de 600 modelos de mejora diferentes, aprendí a entrenar mis propios modelos, y estos son los resultados.
CAIRI Toolbox y Benchmark para el Aprendizaje de Representaciones Visuales Supervisado, Semi-Supervisado y Auto-Supervisado
Pipeline de detección de objetos YOLOv4/v3/v2 de extremo a extremo, implementado en tf.keras con diferentes tecnologías
Demostración de generación de datos sintéticos utilizando un conjunto de datos transaccionales de venta minorista del Reino Unido. Ideal para profesionales de los sectores minorista, de comercio electrónico, financiero y de la cadena de suministro que desean crear datos sintéticos realistas y que preservan la privacidad para pruebas, análisis y aprendizaje automático.
Aumento de imágenes para visión por computadora. Licencia exclusivamente AGPL-3.0 o licencia comercial.
Pipeline de aumento para la renderización de procesos de impresión en papel sintético, fax, escaneo y copiado
[EMNLP 2024] MeChat: Un gran modelo de diálogo de salud mental en el dominio chino
Preguntas frecuentes
¿Cuál es el repositorio de #data-augmentation más popular en GitHub?
El proyecto de código abierto de #data-augmentation mejor posicionado en GitHub es open-mmlab/mmcv, con 6,490 estrellas. OpenMMLab Fundación de Visión por Computadora
¿Qué lenguajes de programación se utilizan más en los repositorios de #data-augmentation?
Entre los proyectos de #data-augmentation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++.
¿Cómo se calcula la clasificación de los repositorios de #data-augmentation?
Seguimos 46 repositorios activos de código abierto etiquetados con #data-augmentation (500+ estrellas), que suman un total de 80,183 estrellas, con una media de 1,743 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.