feature-extraction

Automatische Extraktion relevanter Merkmale aus Zeitreihen:

Ich bin überzeugt, dass Studierende im Aufbaustudium und Arbeitssuchende, für die dieses Buch in erster Linie gedacht ist, von der Lektüre profitieren werden; ich hoffe jedoch, dass es selbst erfahrensten Forschern faszinierend erscheinen wird.

🔥🔥 Leistungsstarke Gesichtserkennungsbibliothek auf Basis von PaddlePaddle & PyTorch 🔥🔥

Towhee ist ein Framework, das darauf ausgerichtet ist, Pipelines zur Verarbeitung neuronaler Daten einfach und schnell zu machen.

Ein plattformübergreifendes Framework zur Videostrukturierung (Videoanalyse) basierend auf CV-Modellen und mLLMs.

Ein Low-Code-Dienst für personalisiertes Machine-Learning-Ranking von Artikeln, Einträgen, Suchergebnissen und Empfehlungen zur Steigerung der Nutzerinteraktion. Eine benutzerfreundliche Learn-to-Rank-Engine

Open-Source-Python-Bibliothek für Feature Engineering und Feature Selection, kompatibel mit sklearn.

Deep-Learning- und Machine-Learning-Aktien stellen vielversprechende Möglichkeiten für langfristige und kurzfristige Investoren und Trader dar.

OpenMLDB ist eine Open-Source-Datenbank für maschinelles Lernen, die eine Feature-Plattform zur Berechnung konsistenter Features für Training und Inferenz bereitstellt.

Audio-Merkmalsextraktion für JavaScript.

Open-Source-Python-Paket zur Extraktion von Radiomics-Merkmalen aus 2D- und 3D-Bildern sowie binären Masken. Support: https://discourse.slicer.org/c/community/radiomics

Eine intuitive Bibliothek zum Extrahieren von Features aus Zeitreihen.

Ein Python-Wrapper für Kaldi

:speech_balloon: SpeechPy – Eine Bibliothek für Sprachverarbeitung und -erkennung: http://speechpy.readthedocs.io/en/latest/

Hochgradig komparative Zeitreihenanalyse

Der großskalige Open-Source-Multimedia-Merkmalsextraktor aus München.

Feature Engineering ist der Prozess, bei dem Domänenwissen genutzt wird, um Merkmale aus Rohdaten mittels Data-Mining-Techniken zu extrahieren. Diese Merkmale können zur Verbesserung der Leistung von Machine-Learning-Algorithmen verwendet werden. Feature Engineering kann als angewandtes Machine Learning an sich betrachtet werden.

Gesichtserkennungs-App; Gesichtserkennung auf Lebendigkeit; Gesichtserkennung; Gesichtsausrichtung; Gesichtsidentifikation & Verifizierung & Vergleich; Gesichtsabgleich; Gesichtserfassung; Gesichtsausdruck & Anti-Spoofing; Gesichtsattribute & Altersbestimmung; Gesichtstransfer; Gesichtserkennung gegen Spoofing; Gesichtswiederfindung; Gesichtserkennung

KISS-Matcher: Schnelle, robuste und skalierbare Registrierung + ROS2-SLAM-Beispiele

Fully Convolutional Geometric Features: Schnelle und präzise 3D-Features für Registrierung und Korrespondenz.

Nutzen Sie fortgeschrittene Feature-Engineering-Strategien und wählen Sie die besten Merkmale aus Ihrem Datensatz mit nur einer Zeile Code aus. Erstellt von Ram Seshadri. Mitwirkende willkommen.

Extrahieren von Videofunktionen aus Rohvideos unter Verwendung mehrerer GPUs. Wir unterstützen RAFT-Flow-Frames sowie S3D-, I3D-, R(2+1)D-, VGGish-, CLIP- und TIMM-Modelle.

Ego4d-Dataset-Repository. Herunterladen des Datensatzes, Visualisierung, Extrahieren von Features & Anwendungsbeispiele des Datensatzes

Medizinische Bildverarbeitung in Python

ACG2vec (Anime Comics Games to vector) ist eine Plattform, die ACG mit Deep Learning verbindet (semantische Textsuche, bildbasierte Suche, semantische Bildsuche, Bild-Super-Resolution, Empfehlungssysteme).

Machine-Learning-Bibliothek für das Web und Node.

PopSift is an implementation of the SIFT algorithm in CUDA.