cnn

[ICLR'23 Spotlight🔥] Das erste erfolgreiche BERT/MAE-artige Vortraining für beliebige neuronale Faltungsnetze; PyTorch-Impl. von „Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling“

Deformable Convolutional Networks v2 mit PyTorch

:art: Erweiterte Version zur Erkennung mathematischer Formeln: Unterstützt chinesische und englische handschriftliche sowie gedruckte Formeln und grundlegende symbolische Ableitungen (Datenstruktur basierend auf LaTeX-AST).

Notizen zum Lesen von Fachliteratur über Deep Learning und Machine Learning

Keras-Implementierung von „One pixel attack for fooling deep neural networks“ unter Verwendung von Differenzialevolution auf Cifar10 und ImageNet

Diagramme zur Visualisierung von neuronalen Netzwerkarchitekturen

Eine Deep-Learning-Bibliothek für die Klassifizierung von EEG-Aufgaben (Signalen), basierend auf TensorFlow.

[Inoffizielle] PyTorch-Implementierung von „Conformer: Convolution-augmented Transformer for Speech Recognition“ (INTERSPEECH 2020)

UNetFormer: Ein UNet-ähnlicher Transformer für die effiziente semantische Segmentierung von Fernerkundungs-Stadtbildern (ISPRS). Enthält zudem weitere Vision Transformer und CNNs für die Segmentierung von Satelliten-, Luft- und Drohnenbildern.

Bolt ist eine Deep-Learning-Bibliothek mit hoher Leistung und heterogener Flexibilität.

Dieses Projekt erweitert die Idee der innovativen Architektur von Kolmogorov-Arnold Networks (KAN) auf Faltungsschichten und ersetzt die klassische lineare Transformation der Faltung durch lernbare nichtlineare Aktivierungen in jedem Pixel.

D2-Net: Ein trainierbares CNN zur gemeinsamen Beschreibung und Erkennung lokaler Merkmale

LLVIP: Ein sichtbarer und infraroter gepaarter Datensatz für Sehvermögen bei schwachem Licht

Multi-Label-Textklassifikation, Multi-Label-Klassifikation, Textklassifikation, multi-label, classifier, text classification, BERT, seq2seq, attention, multi-label-classification

Übungs-Notebooks für CVND.

:books: Zusammenfassung zu Rechnerarchitektur, Grundlagen eingebetteter Systeme und gängigen Programmiersprachen

Ein schnelles Deep-Learning-Modell zum Hochskalieren von Videos mit niedriger Auflösung auf hohe Auflösung mit 30 fps.

Eine auf Deep Learning basierende visuelle Navigations-Engine für die autonome Navigation von Taschen-Quadrocoptern – läuft auf PULP

Ein Benchmark für Textklassifizierung in PyTorch

Klassifizierung von Kaggle San Francisco Crime Descriptions in 39 Klassen. Erstellung des Modells mit CNN, RNN (GRU und LSTM) sowie Word Embeddings auf Tensorflow.

Kursnotizen zur Vorlesung Machine Learning 2021 Spring von Professor Hung-yi Lee an der National Taiwan University (NTU).

LCNN: End-to-End Wireframe-Parsing

Das erste CJK-Schrifterkennungs- und Stilextraktionsmodell, YuzuMarker-Modell und Implementierung.

Implementierung eines Diffusion Convolutional Recurrent Neural Network in PyTorch

Stimmungsanalyse, Textklassifizierung, Wörterbücher, Bayes, Sentiment Analysis, TextCNN, Klassifizierung, TensorFlow, BERT, CNN, Textklassifizierung.

Notizen zu Deep-Learning-Systemen, einschließlich mathematischer Grundlagen, detaillierter Erläuterungen neuronaler Netzwerkkomponenten, Trainingsstrategien und Algorithmen zur Modellkomprimierung.