Git Stars Git Stars

#feature-extraction Dépôts

Découvrez 45 dépôts GitHub open source actifs associés à #feature-extraction, cumulant 90,757 étoiles au total (soit une moyenne de 2,016 étoiles par projet). Le projet en tête de ce thème est facebookresearch/dinov2, avec 13,560 étoiles.

45
Total des Dépôts
90,757
Nombre total d'étoiles
2,016
Moyenne d'Étoiles/Dépôt
1
facebookresearch/dinov2

Code et modèles PyTorch pour la méthode d'apprentissage auto-supervisé DINOv2.

facebookresearch
⭐ 13,560 Jupyter Notebook 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-05 📅 Créé 2023-03-29
2
raulmur/ORB_SLAM2

SLAM en Temps Réel pour Caméras Monoculaires, Stéréo et RGB-D, avec Capacités de Détection de Boucles et de Relocalisation

raulmur
⭐ 10,042 C++ 👤 raulmur User 🕐 Mis à jour 2024-05-15 📅 Créé 2016-01-23
3
blue-yonder/tsfresh

Extraction automatique de caractéristiques pertinentes à partir de séries temporelles :

blue-yonder
⭐ 9,495 Jupyter Notebook 👤 blue-yonder Organization 🕐 Mis à jour 2026-07-06 📅 Créé 2016-10-26
4
facebookresearch/Kats

Kats, un kit pour analyser des données de séries temporelles, un framework léger, facile à utiliser, généralisable et extensible pour effectuer des analyses de séries temporelles, de la compréhension des statistiques et caractéristiques clés, à la détection de points de changement et d'anomalies, en passant par la prévision des tendances futures.

facebookresearch
⭐ 6,516 Python 👤 facebookresearch Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2021-02-25
5
BoltzmannEntropy/interviews.ai

Je suis convaincu que vous, les étudiants diplômés et les chercheurs d'emploi pour qui ce livre est principalement destiné, en bénéficierez ; cependant, j'espère que même les chercheurs les plus expérimentés le trouveront fascinant également.

BoltzmannEntropy
⭐ 4,900 👤 BoltzmannEntropy User 🕐 Mis à jour 2026-11-21 📅 Créé 2021-09-30
6
ZhaoJ9014/face.evoLVe

🔥🔥Bibliothèque de Reconnaissance Faciale Haute Performance sur PaddlePaddle & PyTorch🔥🔥

ZhaoJ9014
⭐ 3,589 Python 👤 ZhaoJ9014 User 🕐 Mis à jour 2025-03-20 📅 Créé 2019-01-04
7
towhee-io/towhee

Towhee est un framework dédié à rendre les pipelines de traitement de données neuronales simples et rapides.

towhee-io
⭐ 3,444 Python 👤 towhee-io Organization 🕐 Mis à jour 2024-10-18 📅 Créé 2021-07-13
8
sherlockchou86/VideoPipe

Un framework multiplateforme de structuration vidéo (analyse vidéo) basé sur des modèles CV et mLLM.

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 Mis à jour 2026-02-25 📅 Créé 2022-08-26
9
metarank/metarank

Un service de classement personnalisé par apprentissage automatique à faible code pour les articles, les annonces, les résultats de recherche, les recommandations qui stimule l'engagement des utilisateurs. Un moteur Learn-to-Rank convivial

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 Mis à jour 2026-10-06 📅 Créé 2020-08-19
10
feature-engine/feature_engine

Bibliothèque Python open-source de préparation et de sélection de caractéristiques compatible avec sklearn.

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-12-31
11
4paradigm/OpenMLDB

OpenMLDB est une base de données open-source de machine learning qui fournit une plateforme de fonctionnalités pour le calcul de fonctionnalités cohérentes pour l'entraînement et l'inférence.

4paradigm
⭐ 1,717 C++ 👤 4paradigm Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2021-03-12
12
LastAncientOne/Deep_Learning_Machine_Learning_Stock

Les actions en deep learning et en machine learning représentent des opportunités prometteuses pour les investisseurs et les traders à long et court terme.

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 Mis à jour 2024-03-01 📅 Créé 2018-09-29
13
mhamilton723/FeatUp

Code officiel pour "FeatUp : Un cadre agnostique au modèle pour les caractéristiques à n'importe quelle résolution" ICLR 2024

mhamilton723
⭐ 1,620 Jupyter Notebook 👤 mhamilton723 User 🕐 Mis à jour 2024-06-28 📅 Créé 2024-02-22
14
meyda/meyda

Extraction de caractéristiques audio pour JavaScript.

meyda
⭐ 1,618 TypeScript 👤 meyda Organization 🕐 Mis à jour 2024-07-15 📅 Créé 2014-08-11
15
decoderesearch/SAELens

Entraînement de SPARSE Auto-encodeurs sur des Modèles Linguistiques

decoderesearch
⭐ 1,588 Python 👤 decoderesearch Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2023-11-29
16
AIM-Harvard/pyradiomics

Paquet Python open source pour l'extraction de caractéristiques Radiomics à partir d'images 2D et 3D et de masques binaires. Support : https://discourse.slicer.org/c/community/radiomics

AIM-Harvard
⭐ 1,466 Jupyter Notebook 👤 AIM-Harvard Organization 🕐 Mis à jour 2025-10-27 📅 Créé 2015-09-15
17
agemagician/ProtTrans

ProtTrans fournit des modèles de langage pré-entraînés de pointe pour les protéines. ProtTrans a été entraîné sur des milliers de GPU de Summit et des centaines de TPU Google en utilisant des modèles Transformers.

agemagician
⭐ 1,310 Jupyter Notebook 👤 agemagician User 🕐 Mis à jour 2025-05-22 📅 Créé 2020-05-11
18
pykaldi/pykaldi

Un wrapper Python pour Kaldi

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 Mis à jour 2025-11-30 📅 Créé 2017-06-19
19
mimno/Mallet

MALLET est un package basé sur Java pour le traitement statistique du langage naturel, la classification de documents, le clustering, la modélisation de sujets, l'extraction d'informations et d'autres applications d'apprentissage automatique appliquées au texte.

mimno
⭐ 1,033 Java 👤 mimno User 🕐 Mis à jour 2026-08-04 📅 Créé 2014-04-02
20
joaofaro/KCFcpp

Implémentation en C++ du Tracker KCF

joaofaro
⭐ 936 C++ 👤 joaofaro User 🕐 Mis à jour 2024-07-25 📅 Créé 2015-11-25
21
astorfi/speechpy

:speech_balloon: SpeechPy - Une bibliothèque pour le traitement et la reconnaissance de la parole: http://speechpy.readthedocs.io/en/latest/

astorfi
⭐ 885 Python 👤 astorfi User 🕐 Mis à jour 2024-12-15 📅 Créé 2017-04-05
22
benfulcher/hctsa

Analyse de séries temporelles hautement comparative

benfulcher
⭐ 866 MATLAB 👤 benfulcher User 🕐 Mis à jour 2026-11-20 📅 Créé 2013-06-19
23
audeering/opensmile

L'extracteur de caractéristiques multimédias à grande échelle open-source de Munich

audeering
⭐ 860 C++ 👤 audeering Organization 🕐 Mis à jour 2026-01-26 📅 Créé 2020-10-15
24
ethz-asl/hfnet

Du Grossier au Fin : Localisation Hiérarchique Robuste à Grande Échelle avec HF-Net (https://arxiv.org/abs/1812.03506)

ethz-asl
⭐ 851 Python 👤 ethz-asl Organization 🕐 Mis à jour 2024-07-25 📅 Créé 2019-02-15
25
MIT-SPARK/KISS-Matcher

KISS-Matcher : Enregistrement rapide, robuste et évolutif + exemples SLAM ROS2

MIT-SPARK
⭐ 824 C++ 👤 MIT-SPARK Organization 🕐 Mis à jour 2026-09-29 📅 Créé 2024-09-10
26
MiniAiLive/Android-FaceRecognition

Application de Reconnaissance Faciale; Détection de Vivacité Faciale; Détection Faciale; Alignement Facial; Identification Faciale && Vérification Faciale && Comparaison Faciale; Correspondance Faciale; Suivi Facial; Expression Faciale && Anti-Usurpation Faciale; Attribut Facial && Âge Facial; Transfert Facial; Anti-Usurpation Faciale; Récupération Faciale; reconnaissance faciale

MiniAiLive
⭐ 802 Kotlin 👤 MiniAiLive Organization 🕐 Mis à jour 2026-09-10 📅 Créé 2023-12-11
27
microsoft/RegionCLIP

Code officiel pour "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 Mis à jour 2024-03-20 📅 Créé 2022-03-18
28
zhihanyue/ts2vec

Un framework universel d'apprentissage de la représentation des séries chronologiques

zhihanyue
⭐ 797 Python 👤 zhihanyue User 🕐 Mis à jour 2024-07-29 📅 Créé 2021-06-04
29
ashishpatel26/Amazing-Feature-Engineering

L'ingénierie des caractéristiques est le processus d'utilisation des connaissances du domaine pour extraire des caractéristiques des données brutes via des techniques de fouille de données. Ces caractéristiques peuvent être utilisées pour améliorer les performances des algorithmes d'apprentissage automatique. L'ingénierie des caractéristiques peut être considérée comme l'apprentissage automatique appliqué lui-même.

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 Mis à jour 2025-06-29 📅 Créé 2019-02-19
30
Livox-SDK/LIO-Livox

Une odométrie LiDAR-Inertielle Robuste pour LiDAR Livox

Livox-SDK
⭐ 780 C++ 👤 Livox-SDK User 🕐 Mis à jour 2024-05-23 📅 Créé 2021-07-29
31
chrischoy/FCGF

Caractéristiques géométriques entièrement convolutives : caractéristiques 3D rapides et précises pour l'enregistrement et la correspondance.

chrischoy
⭐ 737 Python 👤 chrischoy User 🕐 Mis à jour 2026-07-02 📅 Créé 2019-08-29
33
facebookresearch/silk

SiLK (Simple Learned Keypoint) est un modèle de points clés d'apprentissage profond auto-supervisé.

facebookresearch
⭐ 684 Gnuplot 👤 facebookresearch Organization 🕐 Mis à jour 2026-10-20 📅 Créé 2023-04-10
34
cesium-ml/cesium

Plateforme de séries temporelles d'apprentissage automatique

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 Mis à jour 2025-01-17 📅 Créé 2014-10-29
35
AutoViML/featurewiz

Utilisez des stratégies avancées d'ingénierie des fonctionnalités et sélectionnez les meilleures fonctionnalités de votre jeu de données en une seule ligne de code. Créé par Ram Seshadri. Collaborateurs bienvenus.

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 Mis à jour 2025-02-19 📅 Créé 2020-11-29
36
facebookresearch/Ego4d

Dépôt du jeu de données Ego4d. Téléchargez le jeu de données, visualisez, extrayez les caractéristiques et exemple d'utilisation du jeu de données

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 Mis à jour 2026-07-25 📅 Créé 2021-11-23
37
v-iashin/video_features

Extrayez les caractéristiques vidéo à partir de vidéos brutes à l'aide de plusieurs GPU. Nous prenons en charge les images de flux RAFT ainsi que les modèles S3D, I3D, R(2+1)D, VGGish, CLIP et TIMM.

v-iashin
⭐ 661 Python 👤 v-iashin User 🕐 Mis à jour 2026-02-01 📅 Créé 2020-06-01
38
loli/medpy

Traitement d'images médicales en Python

loli
⭐ 623 Jupyter Notebook 👤 loli User 🕐 Mis à jour 2026-11-14 📅 Créé 2012-05-11
39
BGU-CS-VIL/WTConv

Convolutions d'ondelettes pour de grands champs récepteurs. ECCV 2024.

BGU-CS-VIL
⭐ 610 Python 👤 BGU-CS-VIL Organization 🕐 Mis à jour 2026-08-12 📅 Créé 2024-07-06
40
OysterQAQ/ACG2vec

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)

OysterQAQ
⭐ 575 👤 OysterQAQ User 🕐 Mis à jour 2024-02-20 📅 Créé 2022-10-27
41
machinelearnjs/machinelearnjs

Bibliothèque de Machine Learning pour le web et Node.

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 Mis à jour 2026-02-07 📅 Créé 2018-04-29
42
Desbordante/desbordante-core

Desbordante est un profileur de données hautes performances capable de découvrir de nombreux motifs différents dans les données à l’aide de divers algorithmes. Il permet également d’exécuter des scénarios de nettoyage des données à l’aide de ces algorithmes. Desbordante propose une version console et une application web facile à utiliser.

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 Mis à jour 2026-11-17 📅 Créé 2020-04-09
43
DynamicsAndNeuralSystems/catch22

catch22 : Caractéristiques canoniques des séries temporelles

DynamicsAndNeuralSystems
⭐ 505 C 👤 DynamicsAndNeuralSystems Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2018-08-26
44
easystats/parameters

:bar_chart: Calcul et traitement des paramètres des modèles

easystats
⭐ 502 R 👤 easystats Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-02-09
45
alicevision/popsift

PopSift est une implémentation de l’algorithme SIFT en CUDA.

alicevision
⭐ 502 Cuda 👤 alicevision Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2015-05-27

Foire aux questions

1

Quel est le dépôt #feature-extraction le plus populaire sur GitHub ?

Le projet #feature-extraction open source le mieux classé sur GitHub est facebookresearch/dinov2, avec 13,560 étoiles. Code et modèles PyTorch pour la méthode d'apprentissage auto-supervisé DINOv2.

2

Quels langages de programmation sont les plus utilisés dans les dépôts #feature-extraction ?

Parmi les projets #feature-extraction les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.

3

Comment le classement des dépôts #feature-extraction est-il calculé ?

Nous suivons 45 dépôts open source actifs associés à #feature-extraction (500+ étoiles), totalisant 90,757 étoiles, avec une moyenne de 2,016 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.