#convolutional-neural-networks Repositórios
Descubra 91 repositórios ativos de código aberto no GitHub marcados com #convolutional-neural-networks, acumulando um total de 242,965 estrelas (uma média de 2,669 por projeto). O líder deste tópico é bloc97/Anime4K, com 20,452 estrelas.
91 repositórios no total
Exemplos de código para o meu livro "Redes Neurais e Aprendizagem Profunda"
Implementação em PyTorch da U-Net para segmentação semântica de imagens com imagens de alta qualidade
Técnicas para aprendizado profundo com imagens de satélite e aéreas
Melhores Práticas, exemplos de código e documentação para Visão Computacional.
T81-558: Keras - Aplicações de Redes Neurais Profundas @Washington University in St. Louis
Rede Neural Convolucional para Classificação de Texto em Tensorflow
Mecanismo de Go sem conhecimento fornecido por humanos, modelado após o artigo AlphaGo Zero.
É minha convicção que vocês, estudantes de pós-graduação e candidatos a emprego para quem o livro é primariamente destinado, se beneficiarão com a leitura; contudo, é minha esperança que até mesmo os pesquisadores mais experientes o achem igualmente fascinante.
Anotações, tarefas de programação e questionários de todos os cursos da especialização Deep Learning da Coursera oferecida pela deeplearning.ai: (i) Redes Neurais e Aprendizagem Profunda; (ii) Melhorando Redes Neurais Profundas: Ajuste de Hiperparâmetros, Regularização e Otimização; (iii) Estruturação de Projetos de Aprendizado de Máquina; (iv) Redes Neurais Convolucionais; (v) Modelos de Sequência
Estruturas de IA eficientes, incluindo GhostNet, TNT e MLP, desenvolvidas pelo Huawei Noah's Ark Lab.
🧠💬 Artigos que escrevi sobre aprendizado de máquina, arquivados do MachineCurve.com.
Minkowski Engine é uma biblioteca de rede neural de autodiferenciação para tensores esparsos de alta dimensão
Operadores de inferência de rede neural de ponto flutuante de alta eficiência para dispositivos móveis, servidores e Web
[ECCVW 2022] Os códigos para o trabalho "Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation"
Domine as habilidades essenciais necessárias para reconhecer e resolver problemas complexos do mundo real com Machine Learning e Deep Learning, aproveitando o ecossistema Python Machine Learning altamente popular.
Biblioteca de Visão Computacional para interação humano-computador. Implementa Estimativa de Pose da Cabeça e Direção do Olhar Usando Redes Neurais Convolucionais, Detecção de Pele por Backprojection, Detecção e Rastreamento de Movimento, Mapa de Saliência.
Top 200 repositórios de deep learning do Github classificados pelo número de estrelas.
Software e modelos pré-treinados para aprimoramento automático da qualidade de fotos usando Redes Convolucionais Profundas
Rede Neural Convolucional Bayesiana com Inferência Variacional baseada em Bayes por Backprop em PyTorch.
Módulos plug-and-play mais completos da internet em 2025, compartilhamento gratuito! CVPR2025, AAAI2025, ICLR2025, TNNLS2025, arXiv2025...... cobrindo todas as áreas da inteligência artificial (aprendizado de máquina, aprendizado profundo, etc.), aplicáveis a diversas tarefas de visão computacional e processamento de imagem, como classificação de imagens, detecção de objetos, segmentação de instâncias, segmentação semântica, segmentação panorâmica, reconhecimento de pose, segmentação de imagens médicas, segmentação de objetos em vídeo, matting de imagem, edição de imagem, rastreamento de objeto único, rastreamento de múltiplos objetos, reidentificação de pedestres, RGBT, denoising de imagem, remoção de chuva, desembaçamento, remoção de sombra, remoção de desfoque, super-resolução, remoção de reflexos, remoção de moiré, restauração de imagem, reparo de imagem, restauração de imagens hiperespectrais, fusão de imagens, colorização de imagem, imagem de alto alcance dinâmico, compressão de vídeo e imagem, nuvem de pontos 3D, detecção de objetos 3D, segmentação semântica 3D, reconhecimento de pose 3D, bem como outras tarefas relacionadas à inteligência artificial, como processamento de linguagem natural, grandes modelos de linguagem e multimodais. Em constante atualização......
Código PyTorch para nosso artigo ECCV 2018 "Image Super-Resolution Using Very Deep Residual Channel Attention Networks"
Recuperação de Imagens CNN em PyTorch: Treinamento e avaliação de CNNs para Recuperação de Imagens em PyTorch
[Destaque ICLR'23🔥] O primeiro pré-treinamento bem-sucedido no estilo BERT/MAE em qualquer rede convolucional; Implementação em Pytorch de "Projetando BERT para Redes Convolucionais: Modelagem Mascarada Esparsa e Hierárquica"
Estimativa de pose de cabeça humana em tempo real com ONNXRuntime e OpenCV.
Uma biblioteca leve apenas de cabeçalho para usar modelos Keras (TensorFlow) em C++.
:computer: Aprenda a fazer as máquinas aprenderem para que você não precise se esforçar para programá-las; A lista definitiva
Perguntas Frequentes
Qual é o repositório de #convolutional-neural-networks mais popular no GitHub?
O projeto de código aberto de #convolutional-neural-networks mais bem classificado no GitHub é bloc97/Anime4K, com 20,452 estrelas. Um Upscaler de Alta Qualidade e em Tempo Real para Vídeo de Anime
Quais linguagens de programação são mais usadas nos repositórios de #convolutional-neural-networks?
Entre os projetos de #convolutional-neural-networks mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, TypeScript.
Como é calculada a classificação dos repositórios de #convolutional-neural-networks?
Acompanhamos 91 repositórios ativos de código aberto marcados com #convolutional-neural-networks (com mais de 500 estrelas), totalizando 242,965 estrelas e uma média de 2,669 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.