#deep-learning 仓库
共 2,273 个仓库
本项目旨在利用RestNext和LSTM等深度学习技术检测视频深度伪造。我们通过迁移学习实现了深度伪造检测,其中使用预训练的RestNext CNN来获取特征向量,然后使用特征训练LSTM层。更多详情请参阅文档。
构建你自己的 X - 通过从零开始构建一切来掌握机器学习。它旨在涵盖从线性回归到深度学习,再到大型语言模型 (LLMs) 的所有内容。
[ICLR 2024] 控制视觉-语言模型实现通用图像恢复。NTIRE 2024 Restore Any Image Model in the Wild 挑战赛第五名。
CnSTD: 基于 PyTorch/MXNet 的 中文/英文 场景文字检测(Scene Text Detection)、数学公式检测(Mathematical Formula Detection, MFD)、篇章分析(Layout Analysis)的Python3 包
特征工程是使用领域知识通过数据挖掘技术从原始数据中提取特征的过程。这些特征可以用来提高机器学习算法的性能。特征工程可以被视为应用机器学习本身。
《EasyOffer》(<大模型面经合集>)是针对LLM宝宝们量身打造的大模型暑期实习Offer指南,主要记录大模型暑期实习和秋招准备的一些常见大厂手撕代码、大厂面经经验、常见大厂思考题等;小白一个,正在学习ing......有问题各位大佬随时指正,希望大家都能拿到心仪Offer!
本项目旨在为致力于进入VLA(Vision-Language-Action)领域的算法工程师提供一份全中文、实战导向的学习/面试手册。不同于通用的CV/NLP面试指南,本项目聚焦于Robotics特有的挑战。
Fizgig — 面向 Klein 9B、Krea 2、MiniMax H3、Qwen Image 2.1、Anima、Z-Image Turbo 和 Ace-Step XL 的 LoRA 与微调工作室:为图像、视频和音乐模型训练、微调、分析、修复并提取 LoRA 和 LoKR