#deep-learning Repositórios
2,273 repositórios no total
Este projeto visa a detecção de deepfakes de vídeo usando técnicas de deep learning como RestNext e LSTM. Conseguimos a detecção de deepfakes usando aprendizado de transferência onde a CNN RestNext pré-treinada é usada para obter um vetor de características, além disso, a camada LSTM é treinada usando as características. Para mais detalhes, siga a documentação.
Linguagem de template escrita para fluxos de trabalho do Stable Diffusion. Disponível como uma extensão para o Automatic1111 WebUI.
Uma linha de base poderosa para classificação de imagens, reconhecimento facial e recuperação de imagens com Pytorch
Construa seu próprio X - Domine o aprendizado de máquina construindo tudo do zero. O objetivo é cobrir tudo, desde regressão linear até aprendizado profundo e grandes modelos de linguagem (LLMs).
[TMLR 2025🔥] Um levantamento sobre os modelos autorregressivos em visão.
Implementação em Pytorch do artigo "Class-Balanced Loss Based on Effective Number of Samples"
Marca d'água localizada para áudios de fala gerados por IA, com SOTA em robustez e detector muito rápido
Dolphin é um modelo ASR (Reconhecimento Automático de Fala) multilíngue e multitarefa treinado em conjunto pela DataoceanAI e pela Universidade de Tsinghua.
Uma biblioteca Python de alto desempenho para captura de tela no Windows usando a API Desktop Duplication - Atualizado em 2026
Framework de aprendizado de máquina para algoritmos de aprendizado profundo e tradicionais
[ICLR 2024] Controlando Modelos de Visão e Linguagem para Restauração Universal de Imagem. 5º lugar no Desafio NTIRE 2024 Restaure Qualquer Modelo de Imagem na Natureza.
Implementação oficial em PyTorch do FB-BEV e FB-OCC - Transformação de visão para frente e para trás para percepção de direção autônoma centrada na visão
Sensação tátil • Coleta de dados • IL/RL/VLA/WM • Manipulação • Simulação • Código aberto
Tutorial de HPC, abrangendo comunicação coletiva (MPI, NCCL), programação CUDA, vetorização SIMD, comunicação RDMA, etc.
De volta ao Destaque: Aprendendo Localização Robusta da Câmera de Pixels a Pose (CVPR 2021)
Um framework de visão computacional de código aberto para construir e implantar aplicativos em minutos
CnSTD: Pacote Python3 para Detecção de Texto em Cena (Scene Text Detection), Detecção de Fórmulas Matemáticas (Mathematical Formula Detection, MFD) e Análise de Layout (Layout Analysis) baseado em PyTorch/MXNet para Chinês/Inglês
A engenharia de recursos é o processo de usar o conhecimento do domínio para extrair recursos de dados brutos por meio de técnicas de mineração de dados. Esses recursos podem ser usados para melhorar o desempenho de algoritmos de aprendizado de máquina. A engenharia de recursos pode ser considerada como aprendizado de máquina aplicado em si.
Implementação do Phenaki Video, que utiliza Mask GIT para produzir vídeos guiados por texto com até 2 minutos de duração, em Pytorch
Uma biblioteca para resolver equações diferenciais usando redes neurais baseadas em PyTorch, utilizada por múltiplos grupos de pesquisa ao redor do mundo, incluindo o de Harvard IACS.
Uma biblioteca Python para inferência baseada em simulações com aprendizagem profunda
O "EasyOffer" (um "Compilado de Entrevistas de Modelos de Linguagem") é um guia de ofertas de estágio de verão para modelos de linguagem, especialmente criado para bebês de LLM. Ele registra principalmente códigos de desconstrução comuns em grandes empresas, experiências de entrevistas em grandes empresas, perguntas de raciocínio comuns em grandes empresas, etc., para o estágio de verão e preparação para o recrutamento de outono em modelos de linguagem. Sou um novato e estou aprendendo... Se tiver alguma dúvida, os senhores/senhoras podem me corrigir a qualquer momento. Espero que todos consigam a oferta dos seus sonhos!
[Em testes internos] QPT - Uma ferramenta Python para EXE (empacotamento Python) dedicada a permitir que projetos de código aberto alcancem melhor o mundo da internet.
Este projeto visa fornecer um manual de aprendizado/entrevista prático e totalmente em chinês para engenheiros de algoritmos dedicados a entrar no campo VLA (Vision-Language-Action). Diferente dos guias gerais de entrevista CV/NLP, este projeto foca nos desafios únicos da robótica.
Implementação em TensorFlow para Computar uma Imagem de Vista Superior (BEV) Semanticamente Segmentada a Partir das Imagens de Múltiplas Câmeras Montadas no Veículo.
Fizgig — Estúdio de LoRA e ajuste fino para Klein 9B, Krea 2, MiniMax H3, Qwen Image 2.1, Anima, Z-Image Turbo e Ace-Step XL: treine, ajuste, analise, repare e extraia LoRAs e LoKRs para modelos de imagem, vídeo e música
[ICRA 2022] Um framework de código aberto para detecção cooperativa. Implementação oficial para OPV2V.
DNABERT: modelo pré-treinado de Representações de Codificador Bidirecional de Transformers para a linguagem de DNA no genoma
Implementação do zero de um modelo de linguagem esparso de mistura de especialistas inspirado no makemore de Andrej Karpathy :)
Uma lista selecionada de coisas incríveis relacionadas a ferramentas de inteligência artificial
Modelos Generativos Baseados em Pontuação (Modelos de Difusão) para Melhoramento de Fala e Desreverberação