#deep-learning Репозитории
Всего репозиториев: 2,273
Сборник методов, кодов и наборов данных RGB-T-Fusion на основе глубокого обучения. Основные направления включают: мультиспектральное обнаружение пешеходов, обнаружение объектов RGB-T с воздуха, семантическую сегментацию RGB-T, подсчет людей RGB-T, отслеживание слияния RGB-T.
Инструменты рисования освещения для диффузионных моделей "текст в изображение"
ToolOrchestra — это сквозной фреймворк обучения RL для оркестровки инструментов и агентских рабочих процессов.
Официальная реализация PyTorch для Revisiting Image Pyramid Structure for High Resolution Salient Object Detection (ACCV 2022)
Пример машинного обучения Android TensorFlow Lite
Интерпретатор языка жестов, использующий живую видеопередачу с камеры.
MM-EUREKA: Исследование границ мультимодального рассуждения с помощью основанного на правилах обучения с подкреплением
Инструмент для повышения производительности с помощью ИИ – Бесплатный и с открытым исходным кодом, повышает производительность пользователей, а также защищает конфиденциальность и безопасность данных. Включает, но не ограничивается: встроенные локальные эксклюзивные модели ChatGPT, DeepSeek, Phi, Qwen и другие, интеллектуальную пакетную обработку изображений, видео, аудио и т. д. одним щелчком мыши.
[CVPR 2024] X-Adapter: Добавление универсальной совместимости плагинов для обновленных диффузионных моделей
Сверхбыстрое обнаружение глубоких полос с гибридной порядковой классификацией на основе якорей (TPAMI 2022)
Hunyuan-GameCraft: Высокодинамическая интерактивная генерация игровых видео с гибридным историческим условием
Первая поведенческая фундаментальная модель для управления виртуальным антропоморфным агентом на основе физики для широкого спектра задач всего тела.
Распознавание речи, реализованное на основе PaddlePaddle, распознавание китайской речи. Проект завершён, эффект распознавания хороший. Поддерживает обучение и предсказание под Windows и Linux, поддерживает предсказание на плате разработки Nvidia Jetson.
Недавние высокоцитируемые/ведущие конференции статьи по интерпретируемости моделей нейронных сетей в глубоком обучении (с кодом)
Глубокое обучение для калибровки камер и за ее пределами: Обзор
Общий и удобный в использовании сервис обслуживания для моделей машинного обучения
Изучение компьютерного зрения с OpenCV 4 и Python 3 – Третье издание, опубликовано Packt
«AI Full Stack - Отличный сайт для сбора ресурсов всей сети»: собирает отличные ресурсы со всей сети, фиксирует стратегии решения и ключевые моменты проблем инженерной практики, делится различными практическими примерами, отслеживает развитие передовых технологий и охватывает знания AI Full Stack, включая большие модели, технологии программирования, машинное обучение, глубокое обучение, обучение с подкреплением, графовые нейронные сети, распознавание речи, NLP и распознавание изображений.
Удивительный список летних школ по Искусственному Интеллекту, Машинному Обучению и Здравоохранению
Примерные ноутбуки для работы с SageMaker Studio Lab. Зарегистрируйтесь для получения учетной записи по ссылке ниже!
Этот репозиторий содержит все статьи, принятые на ведущих конференциях по компьютерному зрению, с удобством поиска связанных статей.
Самая быстрая в мире реализация ANPR / ALPR для CPU, GPU, VPU и NPU на базе Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2 и др.). Поддерживаются различные наборы символов (латиница, корейский и китайский языки), операционные системы (Jetson, Android, Raspberry Pi, Linux, Windows) и архитектуры (ARM, x86).
Совместное обучение признакам обнаружения и идентификации для поиска людей
Полное руководство по письменным тестам и собеседованиям на должности, связанные с алгоритмами, с целью стать «Пять лет Гаокао, Три года пробных экзаменов» для сообщества алгоритмистов!
Новый и расширяемый формат файла для хранения больших столбцовых наборов данных.
[ICCV 2023] Официальная реализация статьи "A Simple Framework for Open-Vocabulary Segmentation and Detection"
[NeurIPS 2024 spotlight] Официальная реализация MSFA и выпуск набора данных SARDet_100K для крупномасштабного обнаружения объектов с использованием радара с синтезированной апертурой (SAR)
Подборка громких реальных примеров неудачных проектов машинного обучения
YOLOv11-RGBT: К комплексному одноэтапному мультиспектральному фреймворку обнаружения объектов (Поддерживает RGBT-обнаружение для всех серий YOLO от YOLOv3 до YOLOv13, а также RTDETR. 【Ultralytics YOLOv3-YOLOv13】
Оптимизированный фреймворк/компилятор для глубокого обучения с открытым исходным кодом, написанный на Python.
[CVPR'25 Highlight] Официальный репозиторий Sonata: Самообучение надежных точечных представлений
Официальная реализация PyTorch "I2L-MeshNet: Сеть прогнозирования от изображения к пикселю для точной оценки 3D-позы и сетки человека по одному RGB-изображению", ECCV 2020