Git Stars Git Stars

#feature-extraction リポジトリ

#feature-extractionのタグが付いた、GitHub上の45件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は90,757個で、プロジェクトあたりの平均は2,016個です。このトピックをリードしているのは、13,560個のスターを獲得しているfacebookresearch/dinov2です。

45
リポジトリ総数
90,757
合計スター数
2,016
リポジトリあたりの平均スター数

リポジトリ合計45件

1
facebookresearch/dinov2

DINOv2 自己教師あり学習手法のための PyTorch コードとモデル。

facebookresearch
⭐ 13,560 Jupyter Notebook 👤 facebookresearch Organization 🕐 更新日時 2026-11-05 📅 作成日 2023-03-29
2
raulmur/ORB_SLAM2

モノキュラー、ステレオおよびRGB-Dカメラ向けリアルタイムSLAM、ループ検出と再定位機能付き

raulmur
⭐ 10,042 C++ 👤 raulmur User 🕐 更新日時 2024-05-15 📅 作成日 2016-01-23
3
blue-yonder/tsfresh

時系列からの関連特徴の自動抽出:

blue-yonder
⭐ 9,495 Jupyter Notebook 👤 blue-yonder Organization 🕐 更新日時 2026-07-06 📅 作成日 2016-10-26
4
facebookresearch/Kats

Katsは、時系列データを分析するためのキットであり、主要な統計情報や特徴の理解、変化点や異常の検出、将来のトレンド予測まで、時系列分析を実行するための、軽量で使いやすく、汎用性があり、拡張可能なフレームワークです。

facebookresearch
⭐ 6,516 Python 👤 facebookresearch Organization 🕐 更新日時 2026-11-13 📅 作成日 2021-02-25
5
BoltzmannEntropy/interviews.ai

この本が主に意図されている大学院生や就職希望者である皆様が、それを読むことで恩恵を受けることができると私は信じていますが、最も経験豊富な研究者でさえ、それを魅力的だと感じることを願っています。

BoltzmannEntropy
⭐ 4,900 👤 BoltzmannEntropy User 🕐 更新日時 2026-11-21 📅 作成日 2021-09-30
6
ZhaoJ9014/face.evoLVe

🔥🔥PaddlePaddle & PyTorch 対応の高性能顔認識ライブラリ🔥🔥

ZhaoJ9014
⭐ 3,589 Python 👤 ZhaoJ9014 User 🕐 更新日時 2025-03-20 📅 作成日 2019-01-04
7
towhee-io/towhee

Towheeは、ニューラルデータ処理パイプラインをシンプルかつ高速にすることを目的としたフレームワークです。

towhee-io
⭐ 3,444 Python 👤 towhee-io Organization 🕐 更新日時 2024-10-18 📅 作成日 2021-07-13
8
sherlockchou86/VideoPipe

CVモデルとmLLMに基づくクロスプラットフォームのビデオ構造化(ビデオ分析)フレームワーク。

sherlockchou86
⭐ 2,994 C++ 👤 sherlockchou86 User 🕐 更新日時 2026-02-25 📅 作成日 2022-08-26
9
metarank/metarank

記事、リスティング、検索結果、レコメンデーションのユーザーエンゲージメントを高めるローコード機械学習パーソナライズドランキングサービス。フレンドリーな学習ランキングエンジン

metarank
⭐ 2,461 Scala 👤 metarank Organization 🕐 更新日時 2026-10-06 📅 作成日 2020-08-19
10
feature-engine/feature_engine

sklearn と互換性のある特徴量エンジニアリングおよび選択のオープンソースPythonライブラリ。

feature-engine
⭐ 2,297 Python 👤 feature-engine Organization 🕐 更新日時 2026-11-21 📅 作成日 2018-12-31
11
4paradigm/OpenMLDB

OpenMLDBは、トレーニングと推論のための機能的な機能を計算する機能プラットフォームを提供するオープンソースの機械学習データベースです。

4paradigm
⭐ 1,717 C++ 👤 4paradigm Organization 🕐 更新日時 2026-11-10 📅 作成日 2021-03-12
12
LastAncientOne/Deep_Learning_Machine_Learning_Stock

ディープラーニングと機械学習の株式は、長期および短期の投資家とトレーダーにとって有望な機会を表しています。

LastAncientOne
⭐ 1,689 Jupyter Notebook 👤 LastAncientOne User 🕐 更新日時 2024-03-01 📅 作成日 2018-09-29
13
mhamilton723/FeatUp

「FeatUp: A Model-Agnostic Frameworkfor Features at Any Resolution」ICLR 2024 公式コード

mhamilton723
⭐ 1,620 Jupyter Notebook 👤 mhamilton723 User 🕐 更新日時 2024-06-28 📅 作成日 2024-02-22
14
meyda/meyda

JavaScript のオーディオ機能抽出。

meyda
⭐ 1,618 TypeScript 👤 meyda Organization 🕐 更新日時 2024-07-15 📅 作成日 2014-08-11
15
decoderesearch/SAELens

言語モデルにおけるスパースオートエンコーダーのトレーニング

decoderesearch
⭐ 1,588 Python 👤 decoderesearch Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-11-29
16
AIM-Harvard/pyradiomics

2Dおよび3D画像とバイナリマスクからRadiomics特徴を抽出するためのオープンソースPythonパッケージ。サポート:https://discourse.slicer.org/c/community/radiomics

AIM-Harvard
⭐ 1,466 Jupyter Notebook 👤 AIM-Harvard Organization 🕐 更新日時 2025-10-27 📅 作成日 2015-09-15
17
agemagician/ProtTrans

ProtTransは、タンパク質のための最先端の事前学習済み言語モデルを提供します。ProtTransは、Transformersモデルを使用して、Summitの数千のGPUと数百のGoogle TPUでトレーニングされました。

agemagician
⭐ 1,310 Jupyter Notebook 👤 agemagician User 🕐 更新日時 2025-05-22 📅 作成日 2020-05-11
18
pykaldi/pykaldi

KaldiのためのPythonラッパー

pykaldi
⭐ 1,039 Python 👤 pykaldi Organization 🕐 更新日時 2025-11-30 📅 作成日 2017-06-19
19
mimno/Mallet

MALLETは、統計的自然言語処理、文書分類、クラスタリング、トピックモデリング、情報抽出、およびテキストへのその他の機械学習アプリケーションのためのJavaベースのパッケージです。

mimno
⭐ 1,033 Java 👤 mimno User 🕐 更新日時 2026-08-04 📅 作成日 2014-04-02
20
joaofaro/KCFcpp

KCF Tracker の C++ 実装

joaofaro
⭐ 936 C++ 👤 joaofaro User 🕐 更新日時 2024-07-25 📅 作成日 2015-11-25
21
astorfi/speechpy

:speech_balloon: SpeechPy - 音声処理および認識のためのライブラリ: http://speechpy.readthedocs.io/en/latest/

astorfi
⭐ 885 Python 👤 astorfi User 🕐 更新日時 2024-12-15 📅 作成日 2017-04-05
22
benfulcher/hctsa

高度比較的な時系列分析

benfulcher
⭐ 866 MATLAB 👤 benfulcher User 🕐 更新日時 2026-11-20 📅 作成日 2013-06-19
23
audeering/opensmile

ミュンヘンオープンソース大規模マルチメディア特徴抽出器

audeering
⭐ 860 C++ 👤 audeering Organization 🕐 更新日時 2026-01-26 📅 作成日 2020-10-15
24
ethz-asl/hfnet

粗から細へ:HF-Net を用いた大規模での堅牢な階層的位置特定 (https://arxiv.org/abs/1812.03506)

ethz-asl
⭐ 851 Python 👤 ethz-asl Organization 🕐 更新日時 2024-07-25 📅 作成日 2019-02-15
25
MIT-SPARK/KISS-Matcher

KISS-Matcher: 高速、堅牢、スケーラブルなレジストレーション + ROS2 SLAMの例

MIT-SPARK
⭐ 824 C++ 👤 MIT-SPARK Organization 🕐 更新日時 2026-09-29 📅 作成日 2024-09-10
26
MiniAiLive/Android-FaceRecognition

顔認識アプリ;ライブネス検出;顔検出;顔アライメント;顔識別 && 顔認証 && 顔比較;顔マッチング;顔追跡;顔表情 && 顔アンチスプーフィング;顔属性 && 顔年齢;顔変換;顔アンチスプーフィング;顔検索;顔認識

MiniAiLive
⭐ 802 Kotlin 👤 MiniAiLive Organization 🕐 更新日時 2026-09-10 📅 作成日 2023-12-11
27
microsoft/RegionCLIP

"RegionCLIP: Region-based Language-Image Pretraining" の公式コード [CVPR 2022]

microsoft
⭐ 800 Python 👤 microsoft Organization 🕐 更新日時 2024-03-20 📅 作成日 2022-03-18
28
zhihanyue/ts2vec

普遍的な時系列表現学習フレームワーク

zhihanyue
⭐ 797 Python 👤 zhihanyue User 🕐 更新日時 2024-07-29 📅 作成日 2021-06-04
29
ashishpatel26/Amazing-Feature-Engineering

特徴工学は、ドメイン知識を使用してデータマイニング技法により生データから特徴を抽出するプロセスです。これらの特徴は、機械学習アルゴリズムのパフォーマンスを向上させるために使用できます。特徴工学は応用機械学習そのものとみなすことができます。

ashishpatel26
⭐ 794 Jupyter Notebook 👤 ashishpatel26 User 🕐 更新日時 2025-06-29 📅 作成日 2019-02-19
30
Livox-SDK/LIO-Livox

Livox LiDARのための堅牢なLiDAR-慣性オドメトリ

Livox-SDK
⭐ 780 C++ 👤 Livox-SDK User 🕐 更新日時 2024-05-23 📅 作成日 2021-07-29
31
chrischoy/FCGF

完全畳み込み幾何学的特徴:レジストレーションおよび対応付けのための高速かつ正確な 3D 特徴。

chrischoy
⭐ 737 Python 👤 chrischoy User 🕐 更新日時 2026-07-02 📅 作成日 2019-08-29
33
facebookresearch/silk

SiLK(Simple Learned Keypoint)は、自己教師あり学習によるディープラーニングキーポイントモデルです。

facebookresearch
⭐ 684 Gnuplot 👤 facebookresearch Organization 🕐 更新日時 2026-10-20 📅 作成日 2023-04-10
34
cesium-ml/cesium

機械学習時系列プラットフォーム

cesium-ml
⭐ 682 Python 👤 cesium-ml Organization 🕐 更新日時 2025-01-17 📅 作成日 2014-10-29
35
AutoViML/featurewiz

高度な特徴量エンジニアリング戦略を使用して、1行のコードでデータセットから最適な特徴量を選択します。Ram Seshadriによって作成されました。協力者を歓迎します。

AutoViML
⭐ 677 Python 👤 AutoViML User 🕐 更新日時 2025-02-19 📅 作成日 2020-11-29
36
facebookresearch/Ego4d

Ego4dデータセットリポジトリ。データセットのダウンロード、可視化、特徴量の抽出とデータセットの利用例

facebookresearch
⭐ 665 Jupyter Notebook 👤 facebookresearch Organization 🕐 更新日時 2026-07-25 📅 作成日 2021-11-23
37
v-iashin/video_features

複数のGPUを使用して、生のビデオからビデオ機能を抽出します。RAFTフローフレーム、S3D、I3D、R(2+1)D、VGGish、CLIP、TIMMモデルをサポートしています。

v-iashin
⭐ 661 Python 👤 v-iashin User 🕐 更新日時 2026-02-01 📅 作成日 2020-06-01
38
loli/medpy

Python での医療画像処理

loli
⭐ 623 Jupyter Notebook 👤 loli User 🕐 更新日時 2026-11-14 📅 作成日 2012-05-11
39
BGU-CS-VIL/WTConv

大きな受容野のためのウェーブレット畳み込み。ECCV 2024。

BGU-CS-VIL
⭐ 610 Python 👤 BGU-CS-VIL Organization 🕐 更新日時 2026-08-12 📅 作成日 2024-07-06
40
OysterQAQ/ACG2vec

ACG2vec (Anime Comics Games to vector) は、ACGとディープラーニングを組み合わせたプレイグラウンドの作成に取り組んでいます。(テキスト意味検索、画像検索、画像意味検索、画像超解像度、レコメンデーションシステム)

OysterQAQ
⭐ 575 👤 OysterQAQ User 🕐 更新日時 2024-02-20 📅 作成日 2022-10-27
41
machinelearnjs/machinelearnjs

Web と Node 用の機械学習ライブラリ。

machinelearnjs
⭐ 541 TypeScript 👤 machinelearnjs Organization 🕐 更新日時 2026-02-07 📅 作成日 2018-04-29
42
Desbordante/desbordante-core

Desbordante は、さまざまなアルゴリズムを使用してデータ内の多種多様なパターンを発見できる高性能なデータプロファイラーです。また、これらのアルゴリズムを使ってデータクレンジングのシナリオを実行することもできます。Desbordante には、コンソール版と使いやすい Web アプリケーションがあります。

Desbordante
⭐ 522 C++ 👤 Desbordante Organization 🕐 更新日時 2026-11-17 📅 作成日 2020-04-09
43
DynamicsAndNeuralSystems/catch22

catch22:時系列の標準的特徴

DynamicsAndNeuralSystems
⭐ 505 C 👤 DynamicsAndNeuralSystems Organization 🕐 更新日時 2026-11-20 📅 作成日 2018-08-26
44
easystats/parameters

:bar_chart: モデルパラメータの計算と処理

easystats
⭐ 502 R 👤 easystats Organization 🕐 更新日時 2026-11-21 📅 作成日 2019-02-09
45
alicevision/popsift

PopSift は CUDA による SIFT アルゴリズムの実装です。

alicevision
⭐ 502 Cuda 👤 alicevision Organization 🕐 更新日時 2026-11-20 📅 作成日 2015-05-27

よくある質問

1

GitHubで最も人気のある#feature-extractionリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#feature-extractionプロジェクトは、13,560個のスターを獲得しているfacebookresearch/dinov2です。DINOv2 自己教師あり学習手法のための PyTorch コードとモデル。

2

#feature-extractionリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#feature-extractionプロジェクトでは、Python, Jupyter Notebook, C++, TypeScriptが最も一般的なプログラミング言語です。

3

#feature-extractionリポジトリのランキングはどのように算出されていますか?

#feature-extractionのタグが付いた45件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は90,757個で、リポジトリあたりの平均は2,016個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。