deep-learning

SemanticKITTI-API zur Visualisierung von Datensätzen, Verarbeitung von Daten und Auswertung von Ergebnissen.

Open-Deep-Learning-Compiler-Stack für Kendryte-AI-Beschleuniger ✨

Ein minimalistisches SOTA-LaTeX-OCR-Modell mit nur 20 Mio. Parametern, das im Browser läuft. Vollständige Trainings-Pipeline zur Selbstreproduktion verfügbar.

MIDI- / symbolische Musik-Tokenizer für Deep-Learning-Modelle 🎶

tfts: Deep-Learning-Modelle für Zeitreihen in TensorFlow

Großartige Arbeit zur 6-DoF-Objektposenschätzung

Ein Change-Detection-Repository, das auf den Schultern von Giganten steht

Eine kuratierte Liste großartiger Ressourcen rund um KI-Tools

MONAI Label ist ein intelligentes, Open-Source-basiertes Bildkennzeichnungs- und Lernwerkzeug.

[CVPR 2020] CascadePSP: Klassenunabhängige und hochauflösende Segmentierung durch globale und lokale Verfeinerung

DiffWave ist ein schneller, hochqualitativer neuronaler Vocoder und Wellenformsynthesizer.

Kostenloser und vollständig quelloffener L2-ADAS-Stack, angetrieben durch End-to-End-KI-Technologie

Dieses Projekt zielt auf die Erkennung von Video-Deepfakes unter Verwendung von Deep-Learning-Techniken wie ResNeXt und LSTM ab. Wir haben die Deepfake-Erkennung durch Transferlarning erreicht, bei dem das vortrainierte ResNeXt-CNN verwendet wird, um einen Merkmalsvektor zu erhalten, und die LSTM-Schicht anschließend mit diesen Merkmalen trainiert wird. Weitere Details findest du in der Dokumentation.

Bagua beschleunigt PyTorch

Eine PyTorch-Bibliothek für Graphen- und Hypergraphenberechnungen.

Portugiesische vorrainierte BERT-Modelle

TinyNeuralNetwork ist ein effizientes und einfach zu bedienendes Framework zur Komprimierung von Deep-Learning-Modellen.

Open-Source-Anleitungen und -Code zur Beherrschung von Deep Learning bis hin zur Bereitstellung in der Produktion mit PyTorch, Python, Apptainer und mehr.

„Deep Learning von Null an ❸“ (O'Reilly Japan, 2020)

[CVPR 2024] Alpha-CLIP: Ein CLIP-Modell, das sich auf beliebige Bereiche konzentriert

Ein Framework für medizinische Bildverarbeitung für PyTorch.

End-to-End-Mandarin-Spracherkennung basierend auf PaddlePaddle, von den Grundlagen zur Praxis: ein super einfaches Einstiegsbeispiel und ein hochpraktisches Unternehmensprojekt. Unterstützt die aktuell beliebtesten Modelle DeepSpeech2, Conformer und Squeezeformer.

Pythonisches Tool zur Orchestrierung von Workflows für maschinelles Lernen, High-Performance-Computing und Quantencomputing in heterogenen Rechenumgebungen.

KI-Projekte

Ein technologiestandardunabhängiges Computer-Vision-Framework – erweiterbar für jede Trainingsbibliothek: Fastai, Pytorch-Lightning und weitere folgen

Vision-and-Language-Navigation in kontinuierlichen Umgebungen mit Habitat

Eine GPipe-Implementierung in PyTorch

Offizielle PyTorch-Implementierung von „Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image“, ICCV 2019.

Implementierung von MeshGPT, SOTA-Mesh-Generierung mittels Attention, in PyTorch

GitHub-Repository mit Tutorials zum Fine-Tuning von Transformern für verschiedene NLP-Aufgaben