deep-learning

El paquete oficial de Python para Roboflow. Gestiona tus conjuntos de datos, modelos y despliegues. Roboflow tiene todo lo necesario para crear una aplicación de visión artificial.

Utilice modelos preentrenados en PyTorch para extraer incrustaciones vectoriales de cualquier imagen.

Kaggle Data Science Bowl 2017

Kit de herramientas para el procesamiento de imágenes de portaobjetos completos a gran escala.

Presentaciones, notas de artículos, apuntes de clase, publicaciones de blog e investigación sobre ML 📉, estadística 📊 e IA 🤖.

Un motor de navegación visual basado en aprendizaje profundo para permitir la navegación autónoma de cuadricópteros de bolsillo, ejecutándose en PULP.

[IGARSS'22]: Una red siamesa basada en Transformer para la detección de cambios

Hierarchical Image Pyramid Transformer - CVPR 2022 (Oral)

Cursos completos de IA dictados por Humai

Optimización no lineal (búsqueda de raíces, mínimos cuadrados, ...) en JAX+Equinox. https://docs.kidger.site/optimistix/

Implementación de codificación posicional 1D, 2D y 3D en Pytorch y TensorFlow

DiffSharp: Programación funcional diferenciable

Framework de aprendizaje profundo para el seguimiento de poses de múltiples animales.

La biblioteca de AutoML más limpia del mundo. Realiza ajuste de hiperparámetros con las abstracciones de pipeline adecuadas para escribir pipelines de aprendizaje profundo en producción. Permite que los pasos de tu pipeline tengan espacios de hiperparámetros. Diseña pasos como componentes. Compatible con Scikit-Learn, TensorFlow y la mayoría de las bibliotecas, frameworks y entornos de MLOps.

Biblioteca de Python para analizar rostros utilizando PyTorch.

Detectores, rastreadores y SAM de visión artificial modulares y sencillos: ejecute YOLOv9, v8, v7, v6, v5, R, X en menos de 10 líneas de código.

Extracción de eventos basada en sentencias judiciales y sus aplicaciones, incluyendo segmentación de datos, etiquetado gramatical, reconocimiento de entidades nombradas, extracción de elementos de eventos y predicción de resultados de sentencias.

Este repositorio proporciona una lista exhaustiva de conjuntos de datos de satélites ópticos y de radar seleccionados para tareas de detección, clasificación, segmentación semántica y segmentación de instancias de barcos. Estos conjuntos de datos son ideales para aplicaciones en visión artificial, aprendizaje automático, teledetección y análisis marítimo.

Biblioteca de aprendizaje profundo TinyML independiente del proveedor, compilador y framework de inferencia para microcomputadoras y microcontroladores.

Libros y otros recursos

Implementación del modelo BERT y sus tareas relacionadas basada en el framework PyTorch. @跟我学机器学习

Un subconjunto de módulos de redes neuronales de PyTorch, escrito en Python usando Triton de OpenAI.

Soluciones a los ejercicios de "Dive into Deep Learning", disponibles para lectura en línea en la siguiente dirección:

Notas del curso Machine Learning 2021 Spring del profesor Hung-yi Lee de la Universidad Nacional de Taiwán (NTU)

🎉 PILOT: Una caja de herramientas de aprendizaje continuo basada en modelos preentrenados

Repositorio del artículo "A Systematic Evaluation of Deep Anomaly Detection Methods for Time Series".

Búsqueda semántica offline de texto a imagen e imagen a imagen en Android, impulsada por el modelo CLIP de visión-lenguaje cuantizado y el motor de inferencia ONNX Runtime

Procesamiento de señales de imagen por IA y fotografía computacional. Biblioteca oficial para los desafíos NTIRE (CVPR) y AIM (ICCV/ECCV). Incluye ISPs aprendidos, restauración-escalado-reconstrucción de RAW, mejora de imagen, renderizado de bokeh y más.

Este proyecto tiene como objetivo proporcionar un manual de aprendizaje y entrevistas práctico y totalmente en chino para ingenieros de algoritmos dedicados al campo de VLA (Visión-Lenguaje-Acción). A diferencia de las guías generales de CV/NLP, este proyecto se centra en los desafíos específicos de la robótica.

Deep Learning Simplified es un repositorio de código abierto que contiene proyectos de aprendizaje profundo desde nivel principiante hasta avanzado para colaboradores que deseen comenzar su trayectoria en el área.