#imagenet Repositórios
Descubra 26 repositórios ativos de código aberto no GitHub marcados com #imagenet, acumulando um total de 117,164 estrelas (uma média de 4,506 por projeto). O líder deste tópico é huggingface/pytorch-image-models, com 37,299 estrelas.
26 repositórios no total
A maior coleção de codificadores/backbones de imagem PyTorch. Incluindo scripts de treino, avaliação, inferência, exportação e pesos pré-treinados -- ResNet, ResNeXt, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, e mais
Esta é uma implementação oficial para "Swin Transformer: Transformer de Visão Hierárquico usando Janelas Deslocadas".
Modelos de segmentação semântica com mais de 500 backbones pré-treinados baseados em convolução e transformador.
Estruturas de IA eficientes, incluindo GhostNet, TNT e MLP, desenvolvidas pelo Huawei Noah's Ark Lab.
Modelos de fundação de visão eficientes para geração e percepção de alta resolução.
DAMO-YOLO: um método de detecção de objetos rápido e preciso com algumas novas tecnologias, incluindo backbones NAS, RepGFPN eficiente, ZeroHead, AlignedOTA e aprimoramento por destilação.
Um guia de início rápido e benchmark para treinamento distribuído do PyTorch.
Um framework sem necessidade de programação, baseado em PyTorch, para estudos reproduzíveis de aprendizagem profunda. Ecossistema PyTorch. 🏆 Até o momento, foram implementados 28 métodos de destilação de conhecimento apresentados em TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI etc. 🎁 Modelos treinados, registros de treinamento e configurações estão disponíveis para garantir a reprodutibilidade e facilitar a avaliação comparativa.
[CVPR 2025 Oral] Reconstrução vs. Geração: Amansando o Dilema da Otimização em Modelos de Difusão Latente
Implementação Keras de "One pixel attack for fooling deep neural networks" usando evolução diferencial em Cifar10 e ImageNet
A implementação em Tensorflow e Keras dos modelos U-net, V-net, U-net++, UNET 3+, Attention U-net, R2U-net, ResUnet-a, U^2-Net, TransUNET e Swin-UNET, com backbones treinados no ImageNet opcionais.
Framework de Gerenciamento de Conjuntos de Dados, uma biblioteca Python e uma ferramenta de CLI para construir, analisar e gerenciar conjuntos de dados de Visão Computacional.
CAIRI Toolbox e Benchmark para Aprendizagem de Representação Visual Supervisionada, Semi-supervisionada e Auto-supervisionada
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
RectLabel é uma ferramenta de anotação de imagens offline para deteção e segmentação de objetos.
Perguntas Frequentes
Qual é o repositório de #imagenet mais popular no GitHub?
O projeto de código aberto de #imagenet mais bem classificado no GitHub é huggingface/pytorch-image-models, com 37,299 estrelas. A maior coleção de codificadores/backbones de imagem PyTorch. Incluindo scripts de treino, avaliação, inferência, exportação e pesos pré-treinados -- ResNet, ResNeXt, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, e mais
Quais linguagens de programação são mais usadas nos repositórios de #imagenet?
Entre os projetos de #imagenet mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript, Cuda.
Como é calculada a classificação dos repositórios de #imagenet?
Acompanhamos 26 repositórios ativos de código aberto marcados com #imagenet (com mais de 500 estrelas), totalizando 117,164 estrelas e uma média de 4,506 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.