feature-extraction

Extracción automática de características relevantes de series temporales:

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.

🔥🔥Librería de reconocimiento facial de alto rendimiento basada en PaddlePaddle y PyTorch🔥🔥

Towhee es un framework dedicado a hacer que los pipelines de procesamiento de datos neuronales sean simples y rápidos.

Un marco de estructuración de video (análisis de video) multiplataforma basado en modelos de CV y mLLM.

Un servicio de clasificación personalizada de Machine Learning de bajo código para artículos, listados, resultados de búsqueda y recomendaciones que aumenta la participación del usuario. Un motor Learn-to-Rank amigable.

Librería de código abierto en Python para ingeniería y selección de características compatible con sklearn.

Las acciones de Deep Learning y Machine Learning representan oportunidades prometedoras tanto para inversores como para operadores a corto y largo plazo.

OpenMLDB es una base de datos de machine learning de código abierto que proporciona una plataforma de características para calcular características consistentes para entrenamiento e inferencia.

Extracción de características de audio para JavaScript.

Paquete de Python de código abierto para la extracción de características de radiómica a partir de imágenes 2D y 3D y máscaras binarias. Soporte: https://discourse.slicer.org/c/community/radiomics

Una biblioteca intuitiva para extraer características de series temporales.

Un wrapper de Python para Kaldi

SpeechPy: una biblioteca para el procesamiento y reconocimiento de voz: http://speechpy.readthedocs.io/en/latest/

Análisis de series temporales altamente comparativo

Extractor de características multimedia a gran escala de código abierto de Múnich.

La ingeniería de características es el proceso de utilizar el conocimiento del dominio para extraer características de datos sin procesar mediante técnicas de minería de datos. Estas características pueden utilizarse para mejorar el rendimiento de los algoritmos de aprendizaje automático. La ingeniería de características puede considerarse como el aprendizaje automático aplicado en sí mismo.

Aplicación de reconocimiento facial: detección de vitalidad, detección, alineación, identificación, verificación, comparación, coincidencia, seguimiento, expresión, anti-spoofing, atributos, edad, transferencia y recuperación facial.

KISS-Matcher: Registro rápido, robusto y escalable, junto con ejemplos de ROS2 SLAM.

Fully Convolutional Geometric Features: características 3D rápidas y precisas para registro y correspondencia.

Utiliza estrategias avanzadas de ingeniería de características y selecciona las mejores variables de tu conjunto de datos con una sola línea de código. Creado por Ram Seshadri. Colaboradores bienvenidos.

Extrae características de video de videos sin procesar utilizando múltiples GPU. Soportamos marcos de flujo RAFT, así como modelos S3D, I3D, R(2+1)D, VGGish, CLIP y TIMM.

Repositorio del conjunto de datos Ego4d. Descarga el conjunto de datos, visualiza, extrae características y consulta ejemplos de uso.

Procesamiento de imágenes médicas en Python.

ACG2vec (Anime Comics Games to vector) se dedica a crear un espacio que combina ACG y aprendizaje profundo. (Búsqueda semántica de texto, búsqueda de imágenes por imagen, búsqueda semántica de imágenes, superresolución de imágenes, sistemas de recomendación)

Biblioteca de aprendizaje automático para la web y Node.

PopSift is an implementation of the SIFT algorithm in CUDA.