image-recognition

Hello AI World: Leitfaden zur Bereitstellung von Deep-Learning-Inferenznetzwerken und Deep-Vision-Primitiven mit TensorRT und NVIDIA Jetson.

Eine Python-Bibliothek, die entwickelt wurde, um Entwicklern die Erstellung von Anwendungen und Systemen mit eigenständigen Computer-Vision-Funktionen zu ermöglichen

Eine Schatzkiste für visuelle Klassifizierung und Erkennung, angetrieben von PaddlePaddle.

Codebeispiele für neue APIs von iOS 10.

Verarbeitung aller unstrukturierten Daten wie umgekehrte Bildersuche, Audiosuche, molekulare Suche, Videoanalyse, Frage-Antwort-Systeme, NLP usw.

Emgu CV ist ein plattformübergreifender .NET-Wrapper für die Bildverarbeitungsbibliothek OpenCV.

Ein moderner, webbasierter Fotoverwaltungsserver. Auf Ihrem Heimserver ausgeführt, können Sie damit das richtige Foto aus Ihrer Sammlung auf jedem Gerät finden. Intelligente Filterung wird durch Objekterkennung, Gesichtserkennung, Standortwahrnehmung, Farbanalyse und andere ML-Algorithmen ermöglicht.

Bayesianisches Faltungs-Neuronales Netz mit Variational Inference basierend auf Bayes by Backprop in PyTorch.

C++-Implementierung eines ScienceDirect-Papers „An accelerating cpu-based correlation-based image alignment for real-time automatic optical inspection“

Notizen zum Fastai Deep Learning Kurs

RMT (RuoMengTu) ist ein kostenloses Open-Source-Makro-Tool, das auf AHKv2 basiert. Überlassen Sie dem Code die mühsame Arbeit – Sie haben sinnvollere Dinge zu tun.

Channel Pruning zur Beschleunigung sehr tiefer neuronaler Netze (ICCV'17)

Framework-unabhängige Implementierung modernster Saliency-Methoden (XRAI, BlurIG, SmoothGrad und mehr).

Deskriptives Deep Learning

Leitfaden zur Bildsignalverarbeitung (ISP). Erfahren Sie alles über die Umwandlung eines Bildes/Videos in digitaler Form durch Aufgaben wie Rauschunterdrückung, Filterung, Belichtungsautomatik, Autofokus, HDR-Korrektur und Bildschärfung mit einem spezialisierten Medienprozessor.

Software zur Lokalisierung, Korrektur und End-to-End-Erkennung chinesischer Nummernschilder basierend auf U-Net, cv2 und CNN. U-Net und cv2 dienen der Lokalisierung und Korrektur, CNN der Erkennung; beide basieren auf der Keras-Implementierung von TensorFlow.

Richten Sie Ihre Kamera auf Objekte, um deren Bezeichnung in einer anderen Sprache zu lernen. Android-App entwickelt mit React Native.