#pytorch 仓库
共 1,936 个仓库
YOLO5Face:为什么重新发明人脸检测器 (https://arxiv.org/abs/2105.12931) ECCV Workshop 2022)
Objectron 是一个短小的、以对象为中心的视频片段数据集。此外,这些视频还包含 AR 会话元数据,包括相机姿态、稀疏点云和平面。在每个视频中,相机围绕物体上下移动,并从不同视角捕捉物体。每个物体都用 3D 边界框进行标注。3D 边界框描述了物体的位置、方向和尺寸。该数据集包含约 15K 个标注视频片段和 4M 个标注图像,涵盖以下类别
“GVHMR: World-Grounded Human Motion Recovery via Gravity-View Coordinates”的代码,Siggraph Asia 2024,TPAMI 2026
用于 PyTorch 模型的类激活映射 (CAM, Grad-CAM, Grad-CAM++, Smooth Grad-CAM++, Score-CAM, SS-CAM, IS-CAM, XGrad-CAM, Layer-CAM, Finer-CAM, LeGrad, RefineCAM)
micronet,一个模型压缩和部署库。压缩:1、量化:量化感知训练(QAT),高位(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、低位(≤2b)/三元和二元(TWN/BNN/XNOR-Net);后训练量化(PTQ),8位(tensorrt);2、剪枝:正常、规则和组卷积通道剪枝;3、组卷积结构;4、批量归一化融合用于量化。部署:tensorrt, fp32/fp16/in
一系列Jupyter笔记本,通过Scikit-Learn、PyTorch和Hugging Face库,引导您学习Python中机器学习和深度学习的基础知识。
label-smooth, amsoftmax, partial-fc, focal-loss, triplet-loss, lovasz-softmax。可能有用
ICLR 2023 论文“GPTQ: Accurate Post-training Quantization of Generative Pretrained Transformers”的代码。
官方仓库,用于 [NeurIPS'22] “ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation” 和 [TPAMI'23] “ViTPose++: Vision Transformer for Generic Body Pose Estimation”
PyTorch 中的快速且准确的人体姿态估计。包含“CPU 上的实时 2D 多人体姿态估计:Lightweight OpenPose”论文的实现。