Git Stars Git Stars

#feature-extraction Repositorios

Descubre 45 repositorios activos de código abierto de GitHub etiquetados con #feature-extraction, que acumulan 90,757 estrellas en total (una media de 2,016 estrellas por proyecto). El líder de este tema es facebookresearch/dinov2, con 13,560 estrellas.

45
Total de Repositorios
90,757
Total de estrellas
2,016
Promedio de Estrellas/Repo

45 repositorios en total

1
facebookresearch/dinov2

Código y modelos de PyTorch para el método de aprendizaje autosupervisado DINOv2.

facebookresearch
⭐ 13,560 Jupyter Notebook 👤 facebookresearch Organization 🕐 Actualizado 2026-11-05 📅 Creado 2023-03-29
2
raulmur/ORB_SLAM2

SLAM en Tiempo Real para Cámaras Monoculares, Estéreo y RGB-D, con Capacidades de Detección de Bucles y Relocalización

raulmur
⭐ 10,042 C++ 👤 raulmur User 🕐 Actualizado 2024-05-15 📅 Creado 2016-01-23
3
blue-yonder/tsfresh

Extracción automática de características relevantes de series temporales:

blue-yonder
⭐ 9,495 Jupyter Notebook 👤 blue-yonder Organization 🕐 Actualizado 2026-07-06 📅 Creado 2016-10-26
4
facebookresearch/Kats

Kats, un kit para analizar datos de series temporales, un marco ligero, fácil de usar, generalizable y extensible para realizar análisis de series temporales, desde la comprensión de las estadísticas y características clave, la detección de puntos de inflexión y anomalías, hasta la predicción de tendencias futuras.

facebookresearch
⭐ 6,516 Python 👤 facebookresearch Organization 🕐 Actualizado 2026-11-13 📅 Creado 2021-02-25
5
BoltzmannEntropy/interviews.ai

Creo que ustedes, los estudiantes de posgrado y los que buscan empleo para quienes el libro está destinado principalmente, se beneficiarán de su lectura; sin embargo, espero que incluso los investigadores más experimentados lo encuentren fascinante.

BoltzmannEntropy
⭐ 4,900 👤 BoltzmannEntropy User 🕐 Actualizado 2026-11-21 📅 Creado 2021-09-30
6
ZhaoJ9014/face.evoLVe

🔥🔥Biblioteca de Reconocimiento Facial de Alto Rendimiento en PaddlePaddle & PyTorch🔥🔥

ZhaoJ9014
⭐ 3,589 Python 👤 ZhaoJ9014 User 🕐 Actualizado 2025-03-20 📅 Creado 2019-01-04
7
towhee-io/towhee

Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.

towhee-io
⭐ 3,444 Python 👤 towhee-io Organization 🕐 Actualizado 2024-10-18 📅 Creado 2021-07-13
8
sherlockchou86/VideoPipe

Un marco multiplataforma de estructuración de video (análisis de video) basado en modelos de CV y mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Actualizado 2026-02-25 📅 Creado 2022-08-26
9
metarank/metarank

Un servicio de aprendizaje automático de bajo código para clasificar de forma personalizada artículos, listados, resultados de búsqueda, recomendaciones que impulsa la participación del usuario. Un motor amigable de Aprender para Clasificar

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 Actualizado 2026-10-06 📅 Creado 2020-08-19
10
feature-engine/feature_engine

Librería de Python de código abierto para ingeniería y selección de características compatible con sklearn.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 Actualizado 2026-11-21 📅 Creado 2018-12-31
11
4paradigm/OpenMLDB

OpenMLDB es una base de datos de aprendizaje automático de código abierto que proporciona una plataforma de características para calcular características consistentes para el entrenamiento y la inferencia.

4paradigm
⭐ 1,717 C++ 👤 4paradigm Organization 🕐 Actualizado 2026-11-10 📅 Creado 2021-03-12
12
LastAncientOne/Deep_Learning_Machine_Learning_Stock

Las acciones de Deep Learning y Machine Learning representan oportunidades prometedoras para inversores y traders a largo y corto plazo.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 Actualizado 2024-03-01 📅 Creado 2018-09-29
13
mhamilton723/FeatUp

Código oficial para "FeatUp: Un marco agnóstico al modelo para características a cualquier resolución" ICLR 2024

mhamilton723
⭐ 1,620 Jupyter Notebook 👤 mhamilton723 User 🕐 Actualizado 2024-06-28 📅 Creado 2024-02-22
14
meyda/meyda

Extracción de características de audio para JavaScript.

meyda
⭐ 1,618 TypeScript 👤 meyda Organization 🕐 Actualizado 2024-07-15 📅 Creado 2014-08-11
15
decoderesearch/SAELens

Entrenamiento de Autoencoders Dispersos en Modelos de Lenguaje

decoderesearch
⭐ 1,588 Python 👤 decoderesearch Organization 🕐 Actualizado 2026-11-20 📅 Creado 2023-11-29
16
AIM-Harvard/pyradiomics

Paquete de Python de código abierto para la extracción de características de Radiomics de imágenes 2D y 3D y máscaras binarias. Soporte: https://discourse.slicer.org/c/community/radiomics

AIM-Harvard
⭐ 1,466 Jupyter Notebook 👤 AIM-Harvard Organization 🕐 Actualizado 2025-10-27 📅 Creado 2015-09-15
17
agemagician/ProtTrans

ProtTrans proporciona modelos de lenguaje preentrenados de última generación para proteínas. ProtTrans se entrenó en miles de GPU de Summit y cientos de TPU de Google utilizando modelos Transformers.

agemagician
⭐ 1,310 Jupyter Notebook 👤 agemagician User 🕐 Actualizado 2025-05-22 📅 Creado 2020-05-11
18
pykaldi/pykaldi

Un wrapper de Python para Kaldi

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 Actualizado 2025-11-30 📅 Creado 2017-06-19
19
mimno/Mallet

MALLET es un paquete basado en Java para el procesamiento estadístico del lenguaje natural, clasificación de documentos, clustering, modelado de temas, extracción de información y otras aplicaciones de aprendizaje automático para texto.

mimno
⭐ 1,033 Java 👤 mimno User 🕐 Actualizado 2026-08-04 📅 Creado 2014-04-02
20
joaofaro/KCFcpp

Implementación en C++ del rastreador KCF

joaofaro
⭐ 936 C++ 👤 joaofaro User 🕐 Actualizado 2024-07-25 📅 Creado 2015-11-25
21
astorfi/speechpy

:speech_balloon: SpeechPy - Una biblioteca para el procesamiento y reconocimiento de voz: http://speechpy.readthedocs.io/en/latest/

astorfi
⭐ 885 Python 👤 astorfi User 🕐 Actualizado 2024-12-15 📅 Creado 2017-04-05
22
benfulcher/hctsa

Análisis de series temporales altamente comparativo

benfulcher
⭐ 866 MATLAB 👤 benfulcher User 🕐 Actualizado 2026-11-20 📅 Creado 2013-06-19
23
audeering/opensmile

El Extractor de Características Multimedia a Gran Escala de Código Abierto de Múnich

audeering
⭐ 860 C++ 👤 audeering Organization 🕐 Actualizado 2026-01-26 📅 Creado 2020-10-15
24
ethz-asl/hfnet

De Grueso a Fino: Localización Jerárquica Robusta a Gran Escala con HF-Net (https://arxiv.org/abs/1812.03506)

ethz-asl
⭐ 851 Python 👤 ethz-asl Organization 🕐 Actualizado 2024-07-25 📅 Creado 2019-02-15
25
MIT-SPARK/KISS-Matcher

KISS-Matcher: Registro rápido, robusto y escalable + ejemplos de SLAM de ROS2

MIT-SPARK
⭐ 824 C++ 👤 MIT-SPARK Organization 🕐 Actualizado 2026-09-29 📅 Creado 2024-09-10
26
MiniAiLive/Android-FaceRecognition

Aplicación de Reconocimiento Facial; Detección de Vida Facial; Detección Facial; Alineación Facial; Identificación Facial && Verificación Facial && Comparación Facial; Coincidencia Facial; Seguimiento Facial; Expresión Facial && Anti Suplantación Facial; Atributo Facial && Edad Facial; Transferencia Facial; Anti-Suplantación Facial; Recuperación Facial; reconocimiento facial

MiniAiLive
⭐ 802 Kotlin 👤 MiniAiLive Organization 🕐 Actualizado 2026-09-10 📅 Creado 2023-12-11
27
microsoft/RegionCLIP

Código oficial para "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 Actualizado 2024-03-20 📅 Creado 2022-03-18
28
zhihanyue/ts2vec

Un marco universal para el aprendizaje de la representación de series temporales

zhihanyue
⭐ 797 Python 👤 zhihanyue User 🕐 Actualizado 2024-07-29 📅 Creado 2021-06-04
29
ashishpatel26/Amazing-Feature-Engineering

La ingeniería de características es el proceso de usar el conocimiento del dominio para extraer características de datos crudos mediante técnicas de minería de datos. Estas características se pueden usar para mejorar el rendimiento de los algoritmos de aprendizaje automático. La ingeniería de características se puede considerar como el aprendizaje automático aplicado en sí mismo.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 Actualizado 2025-06-29 📅 Creado 2019-02-19
30
Livox-SDK/LIO-Livox

Una robusta odometría LiDAR-Inercial para LiDAR Livox

Livox-SDK
⭐ 780 C++ 👤 Livox-SDK User 🕐 Actualizado 2024-05-23 📅 Creado 2021-07-29
31
chrischoy/FCGF

Características geométricas totalmente convolucionales: características 3D rápidas y precisas para registro y correspondencia.

chrischoy
⭐ 737 Python 👤 chrischoy User 🕐 Actualizado 2026-07-02 📅 Creado 2019-08-29
33
facebookresearch/silk

SiLK (Simple Learned Keypoint) es un modelo de puntos clave de aprendizaje profundo auto-supervisado.

facebookresearch
⭐ 684 Gnuplot 👤 facebookresearch Organization 🕐 Actualizado 2026-10-20 📅 Creado 2023-04-10
34
cesium-ml/cesium

Plataforma de series temporales de aprendizaje automático

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 Actualizado 2025-01-17 📅 Creado 2014-10-29
35
AutoViML/featurewiz

Utilice estrategias avanzadas de ingeniería de características y seleccione las mejores características de su conjunto de datos con una sola línea de código. Creado por Ram Seshadri. Se aceptan colaboradores.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Actualizado 2025-02-19 📅 Creado 2020-11-29
36
facebookresearch/Ego4d

Repositorio del conjunto de datos Ego4d. Descargue el conjunto de datos, visualice, extraiga características y ejemplo de uso del conjunto de datos

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 Actualizado 2026-07-25 📅 Creado 2021-11-23
37
v-iashin/video_features

Extraiga características de video de videos sin procesar utilizando múltiples GPU. Soportamos cuadros de flujo RAFT, así como los modelos S3D, I3D, R(2+1)D, VGGish, CLIP y TIMM.

v-iashin
⭐ 661 Python 👤 v-iashin User 🕐 Actualizado 2026-02-01 📅 Creado 2020-06-01
38
loli/medpy

Procesamiento de imágenes médicas en Python

loli
⭐ 623 Jupyter Notebook 👤 loli User 🕐 Actualizado 2026-11-14 📅 Creado 2012-05-11
39
BGU-CS-VIL/WTConv

Convoluciones de Ondículas para Campos Receptivos Grandes. ECCV 2024.

BGU-CS-VIL
⭐ 610 Python 👤 BGU-CS-VIL Organization 🕐 Actualizado 2026-08-12 📅 Creado 2024-07-06
40
OysterQAQ/ACG2vec

ACG2vec (Anime Comics Games to vector) se compromete a crear un patio de recreo que combine ACG y aprendizaje profundo. (Búsqueda semántica de texto, búsqueda de imágenes por imagen, búsqueda semántica de imágenes, super-resolución de imágenes, sistemas de recomendación)

OysterQAQ
⭐ 575 👤 OysterQAQ User 🕐 Actualizado 2024-02-20 📅 Creado 2022-10-27
41
machinelearnjs/machinelearnjs

Biblioteca de Machine Learning para la web y Node.

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 Actualizado 2026-02-07 📅 Creado 2018-04-29
42
Desbordante/desbordante-core

Desbordante es un perfilador de datos de alto rendimiento capaz de descubrir muchos patrones diferentes en los datos mediante diversos algoritmos. También permite ejecutar escenarios de limpieza de datos utilizando estos algoritmos. Desbordante cuenta con una versión de consola y una aplicación web fácil de usar.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Actualizado 2026-11-17 📅 Creado 2020-04-09
43
DynamicsAndNeuralSystems/catch22

catch22: Características Canónicas de Series Temporales

DynamicsAndNeuralSystems
⭐ 505 C 👤 DynamicsAndNeuralSystems Organization 🕐 Actualizado 2026-11-20 📅 Creado 2018-08-26
44
easystats/parameters

:bar_chart: Cálculo y procesamiento de los parámetros de los modelos

easystats
⭐ 502 R 👤 easystats Organization 🕐 Actualizado 2026-11-21 📅 Creado 2019-02-09
45
alicevision/popsift

PopSift es una implementación del algoritmo SIFT en CUDA.

alicevision
⭐ 502 Cuda 👤 alicevision Organization 🕐 Actualizado 2026-11-20 📅 Creado 2015-05-27

Preguntas frecuentes

1

¿Cuál es el repositorio de #feature-extraction más popular en GitHub?

El proyecto de código abierto de #feature-extraction mejor posicionado en GitHub es facebookresearch/dinov2, con 13,560 estrellas. Código y modelos de PyTorch para el método de aprendizaje autosupervisado DINOv2.

2

¿Qué lenguajes de programación se utilizan más en los repositorios de #feature-extraction?

Entre los proyectos de #feature-extraction mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, C++, TypeScript.

3

¿Cómo se calcula la clasificación de los repositorios de #feature-extraction?

Seguimos 45 repositorios activos de código abierto etiquetados con #feature-extraction (500+ estrellas), que suman un total de 90,757 estrellas, con una media de 2,016 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.