convolutional-neural-networks

Un escalador en tiempo real de alta calidad para video de anime

🤖 Redes neuronales aceleradas por GPU en JavaScript para navegadores y Node.js

Implementación en PyTorch de U-Net para segmentación semántica de imágenes con imágenes de alta calidad

Técnicas de aprendizaje profundo con imágenes satelitales y aéreas

Mejores prácticas, ejemplos de código y documentación para visión por computadora.

T81-558: Keras - Aplicaciones de redes neuronales profundas en la Universidad Washington en St. Louis

Creo firmemente que ustedes, los estudiantes de posgrado y buscadores de empleo a quienes está dirigido principalmente el libro, se beneficiarán de su lectura; sin embargo, espero que incluso los investigadores más experimentados lo encuentren fascinante.

Backbones de IA eficientes que incluyen GhostNet, TNT y MLP, desarrollados por Huawei Noah's Ark Lab.

Notas, tareas de programación y cuestionarios de todos los cursos de la especialización en Deep Learning de Coursera ofrecida por deeplearning.ai: (i) Redes neuronales y Deep Learning; (ii) Mejora de redes neuronales profundas: ajuste de hiperparámetros, regularización y optimización; (iii) Estructuración de proyectos de Machine Learning; (iv) Redes neuronales convolucionales; (v) Modelos de secuencias

Una lista exhaustiva de tutoriales de Deep Learning / Inteligencia Artificial y Machine Learning, en rápida expansión hacia áreas de IA / Deep Learning / Visión Artificial / NLP y sectores específicos como Clima / Energía, Automoción, Comercio Minorista, Farmacéutica, Medicina, Salud, Políticas, Ética y más.

🧠💬 Artículos que escribí sobre aprendizaje automático, archivados de MachineCurve.com.

Ejemplos de código para las nuevas APIs de iOS 10.

Minkowski Engine es una biblioteca de redes neuronales de diferenciación automática para tensores dispersos de alta dimensión

Tutoriales simples y completos en TensorFlow

Operadores de inferencia de redes neuronales de punto flotante de alta eficiencia para móviles, servidores y Web.

Domina las habilidades esenciales necesarias para reconocer y resolver problemas complejos del mundo real con Machine Learning y Deep Learning aprovechando el popular ecosistema de Machine Learning de Python.

Librería de visión por computador para la interacción persona-ordenador. Implementa la estimación de la pose de la cabeza y la dirección de la mirada usando redes neuronales convolucionales, detección de piel mediante retroproyección, detección y seguimiento de movimiento, y mapa de saliencia.

Algoritmos de clasificación de texto: un estudio

Los 200 principales repositorios de deep learning en GitHub ordenados por número de estrellas.

Red neuronal convolucional para mallas 3D en PyTorch.

Software y modelos pre-entrenados para la mejora automática de la calidad de las fotos utilizando Redes Convolucionales Profundas

pip install antialiased-cnns para mejorar la estabilidad y la precisión.

Red neuronal convolucional bayesiana con inferencia variacional basada en Bayes by Backprop en PyTorch.

Una lista curada de los mejores recursos de inteligencia artificial

Recuperación de imágenes mediante CNN en PyTorch: entrenamiento y evaluación de CNN para la recuperación de imágenes en PyTorch

PointCNN: Convolución en puntos transformados en X (NeurIPS 2018)

[ICLR'23 Spotlight] El primer preentrenamiento exitoso estilo BERT/MAE en cualquier red convolucional; implementación en PyTorch de "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling".

Estimación de la pose de la cabeza humana en tiempo real con ONNXRuntime y OpenCV.

Reconocimiento de emociones en tiempo real

Una biblioteca ligera de solo cabecera para usar modelos de Keras (TensorFlow) en C++.