#image-classification Dépôts
107 dépôts au total
Implémentation officielle de VisionHOPE en PyTorch : les architectures visuelles comme systèmes d’apprentissage auto-modifiants.
Xtreme1 est une plateforme tout-en-un d'étiquetage et d'annotation de données pour la formation de données multimodales et prend en charge les nuages de points 3D LiDAR, les images et les LLM.
Zenless Zone Zero | 绝区零 | Zone Vide N°0 | Combat automatique | Automatisation | Classification d'images | Reconnaissance OCR
Créez, entraînez, optimisez et exécutez des modèles de vision par ordinateur en local, des images brutes à l’inférence en temps réel. Open source, optimisé pour Intel® XPU (CUDA est également pris en charge).
PoolFormer : MetaFormer est en fait ce dont vous avez besoin pour la vision (CVPR 2022 Oral)
Dépôt officiel pour "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]
Code prêt à l'emploi et notebooks de tutoriel pour accélérer votre approche de l'apprentissage few-shot pour la classification d'images.
Une implémentation TensorFlow de cet article Nvidia : https://arxiv.org/pdf/1604.07316.pdf avec quelques modifications
TorchXRayVision : Une bibliothèque de jeux de données et de modèles de radiographies thoraciques. Classificateurs, segmentation et auto-encodeurs.
Trouvez automatiquement des problèmes dans les jeux de données d'images et pratiquez la vision par ordinateur axée sur les données.
Une méthode simple pour effectuer un apprentissage semi-supervisé avec des données limitées.
Élagage de Canaux pour Accélérer les Réseaux de Neurones Très Profonds (ICCV'17)
[TPAMI 2023] LibFewShot : Une bibliothèque complète pour l'apprentissage par peu d'exemples (Few-shot Learning).
AugMix : Une méthode simple de traitement des données pour améliorer la robustesse et l'incertitude
:fire: :fire: :fire: Une liste d'articles sur certains travaux récents en vision par ordinateur (CV)
Apprendre la vision par ordinateur manuellement - Version Pytorch
Une bibliothèque pour expérimenter, entraîner et évaluer des réseaux de neurones, avec un accent sur la robustesse adversariale.
Mise à l’échelle de vos noyaux à 31x31 : Révision de la conception de grands noyaux dans les CNN (CVPR 2022)
[ICLR 2024] Implémentation PyTorch officielle de FasterViT : Vision Transformers rapides avec attention hiérarchique
Référentiel du Vision Transformer avec une Attention Déformable (CVPR2022) et DAT++ : Vision Transformer Spatiellement Dynamique avec une Attention Déformable
YoloDotNet - Un projet C# .NET 8.0 pour la classification, la détection d'objets, la détection OBB, la segmentation et l'estimation de pose dans les images et les flux vidéo en direct.
Bibliothèque de vision haute performance en Python. Développez votre recherche, pas le boilerplate.
Une base puissante pour la classification d'images, la reconnaissance faciale et la récupération d'images avec Pytorch
Fruits-360 : Un ensemble de données d'images contenant des fruits et des légumes
Reproduction de l'article de Yann LeCun de 1989 « Backpropagation Applied to Handwritten Zip Code Recognition », à ma connaissance la première application réelle d'un réseau neuronal entraîné par rétropropagation.
Guide d'apprentissage automatique. Tout savoir sur les outils, bibliothèques, frameworks d'apprentissage automatique, les grands modèles linguistiques (LLM) et les modèles d'entraînement.
Guide du traitement du signal d'image (ISP). Apprenez tout sur le processus de conversion d'une image/vidéo sous forme numérique en effectuant des tâches telles que la réduction du bruit, le filtrage, l'exposition automatique, la mise au point automatique, la correction HDR et l'affûtage de l'image avec un type spécialisé de processeur multimédia.
Augmentation d’images pour la vision par ordinateur. Licence AGPL-3.0 uniquement ou licence commerciale.
[NeurIPS 2020] Ce projet fournit une solide base d'étapes uniques pour la classification, la détection et la segmentation d'instance à longue queue (LVIS). C'est également une implémentation PyTorch de l'article NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
🚀 Une solution de détection d'objets en temps réel haute performance utilisant YOLO11 ⚡️ alimentée par ONNX-Runtime
[ICLR 2025 Spotlight] Vision-RWKV : Perception visuelle efficace et évolutive avec des architectures de type RWKV
Apprentissage automatique pratique avec C++, publié par Packt
RectLabel est un outil d'annotation d'images hors ligne pour la détection d'objets et la segmentation.
Meta-Apprentissage avec Optimisation Convexe Différentiable (CVPR 2019 Oral)