#deep-learning Dépôts
2,273 dépôts au total
Code source pour l'article "OrienterNet Localisation Visuelle dans les Cartes Publiques 2D avec Correspondance Neuronale"
QKeras : une bibliothèque d'apprentissage profond de quantification pour Tensorflow Keras
Une liste organisée d'incroyables frameworks, logiciels et ressources d'AGI
Implémentation officielle pour "Blended Diffusion pour l'édition d'images naturelles pilotée par le texte" [CVPR 2022]
Llama à partir de zéro, ou comment implémenter un article sans pleurer
Détection + reconnaissance de plaques d'immatriculation à l'aide de YOLOv5 et LPRNet (jeu de données CCPD)
Codage d'un modèle linguistique multimodal (Vision) à partir de zéro dans PyTorch avec explication complète : https://www.youtube.com/watch?v=vAmKB7iPkWw
Implémentation d'Enformer, le réseau d'attention de Deepmind pour la prédiction de l'expression génique, en Pytorch
[ICCV 2025] SAM2Long : Amélioration de SAM 2 pour la segmentation de vidéos longues avec un arbre de mémoire sans entraînement
Utilisez des modèles PyTorch avec CasADi pour l'optimisation basée sur les données ou le contrôle optimal basé sur l'apprentissage. Prend en charge Acados.
ACG2vec (Anime Comics Games to vector) s'engage à créer un terrain de jeu qui combine l'ACG et l'apprentissage profond. (Recherche sémantique de texte, recherche d'images par l'image, recherche sémantique d'images, super-résolution d'images, systèmes de recommandation)
Traitement du signal d'image IA et photographie computationnelle. Bibliothèque officielle pour les défis NTIRE (CVPR) et AIM (ICCV/ECCV). Vous y trouverez des ISP appris, la restauration-mise à l'échelle-reconstruction RAW, l'amélioration d'image, le rendu bokeh et plus encore !
Ressources en apprentissage automatique et apprentissage profond
Une liste complète d'articles remarquables sur la rectification d'images de documents.
Code Officiel pour l'article ECCV 2024 — Imitateur de Diffusion en une seule prise pour la génération de texte manuscrit
Dépôt officiel pour Make-A-Character : Génération de personnages de haute qualité du texte à la 3D en quelques minutes
🤖 Superbe liste d'agents AGI. Collection de ressources sélectionnées pour les agents.
Ceci est une implémentation officielle PyTorch de "Cross View Fusion for 3D Human Pose Estimation, ICCV 2019".
Nous connaissons bien les GAN pour leur succès dans la génération d'images réalistes. Cependant, elles peuvent également être appliquées à la génération de données tabulaires. Nous passerons en revue et examinerons certains articles récents sur les GAN tabulaires en action.
Référentiel officiel pour l'article "Grokfast : Grokking accéléré en amplifiant les gradients lents"
Une liste de ressources de sur-résolution d'images hyperspectrales collectées par Junjun Jiang
Implémentations, code de pré-entraînement et jeux de données des grands modèles de séries temporelles
Boîte à outils de pathologie computationnelle développée par le Centre TIA, Université de Warwick.
TorchANI 2.0 est une bibliothèque open-source qui prend en charge l'entraînement, le développement et la recherche de potentiels interatomiques de réseaux neuronaux de style ANI. Elle a été initialement développée et est actuellement maintenue par le groupe Roitberg.
[Image and Vision Computing (Vol.147 Juil. '24)] Matting naturel interactif d'images avec les modèles Segment Anything
Apprentissage par Renforcement Profond (PPO) en Conduite Autonome (Carla) [à partir de zéro]
[ECCV 2022 Oral] OpenLane : Ensemble de données de voies 3D réalistes à grande échelle
Découvrez des modèles pré-entraînés pour le deep learning dans MATLAB
collection d'œuvres visant à réduire la taille des modèles ou l'accélérateur ASIC/FPGA pour l'apprentissage automatique
Flame est un système d'IA multimodal open-source conçu pour traduire des maquettes de conception d'interface utilisateur en code React de haute qualité. Il exploite la modélisation vision-langage, la synthèse de données automatisée et les flux de travail d'entraînement structurés pour combler le fossé entre la conception et le développement front-end.
Implémentation d'une seule couche du MMDiT, proposé dans Stable Diffusion 3, en Pytorch