image-classification

Un muestreador de conjuntos de datos desbalanceados (PyTorch) para sobremuestrear clases de baja frecuencia y submuestrear las de alta frecuencia.

Emgu CV es un contenedor .Net multiplataforma para la biblioteca de procesamiento de imágenes OpenCV.

Colección de artículos y proyectos de código abierto de ECCV 2026; también invitamos a los expertos a enviar issues y compartir artículos y proyectos de código abierto de ECCV 2026.

[CVPR 2025] Implementación oficial en PyTorch de MambaVision: un troncal de visión híbrido Mamba-Transformer

Implementación del modelo EfficientNet. Keras y TensorFlow Keras.

Integra modelos de deep learning para la clasificación de imágenes | Proyecto de aprendizaje/comparación/modificación mágica de Backbone

fastdup es una herramienta potente y gratuita diseñada para generar rápidamente información valiosa a partir de conjuntos de datos de imágenes y videos. Ayuda a mejorar la calidad tanto de las imágenes como de las etiquetas, al tiempo que reduce significativamente los costos de operación de datos, todo con una escalabilidad inigualable.

🚀 Kit de herramientas para el despliegue de YOLO en NVIDIA, más fácil y rápido 🛠️

Un framework sin código basado en PyTorch para estudios de aprendizaje profundo reproducibles. Parte del ecosistema PyTorch. Incluye hasta la fecha 26 métodos de destilación de conocimiento presentados en TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. Se proporcionan modelos entrenados, registros de entrenamiento y configuraciones para garantizar la reproducibilidad y el benchmarking.

Extensiones de PyTorch para la creación rápida de prototipos de I+D y farming en Kaggle.

PoolFormer: MetaFormer es en realidad lo que necesitas para visión (Oral CVPR 2022)

Construya modelos de visión artificial en una fracción del tiempo y con menos datos.

Código listo para usar y cuadernos de tutoriales para potenciar tu aprendizaje de pocos ejemplos (few-shot learning) para clasificación de imágenes.

Repositorio oficial para "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]

Xtreme1 es una plataforma integral de etiquetado y anotación de datos para el entrenamiento de datos multimodales, compatible con nubes de puntos LiDAR 3D, imágenes y LLM.

Encuentra automáticamente problemas en conjuntos de datos de imágenes y practica la visión artificial centrada en los datos.

TorchXRayVision: una biblioteca de conjuntos de datos y modelos de radiografías de tórax. Incluye clasificadores, segmentación y autoencoders.

Poda de canales para acelerar redes neuronales muy profundas (ICCV'17)

[TPAMI 2023] LibFewShot: una biblioteca integral para el aprendizaje de pocos ejemplos (Few-shot Learning).

Conjunto de datos de imágenes para reconocimiento de gestos con las manos

Una lista de artículos sobre trabajos recientes de Visión Artificial (CV)

Repositorio de Vision Transformer con atención deformable (CVPR2022) y DAT++: Vision Transformer espacialmente dinámico con atención deformable

[ICLR 2024] Implementación oficial en PyTorch de FasterViT: Vision Transformers rápidos con atención jerárquica.

[ICLR2022] Implementación oficial de UniFormer.

Biblioteca de visión de alto rendimiento en Python. Escala tu investigación, no el código repetitivo.

YoloDotNet: un proyecto en C# .NET 8.0 para clasificación, detección de objetos, detección OBB, segmentación y estimación de poses en imágenes y transmisiones de video en vivo.

Una base sólida para clasificación de imágenes, reconocimiento facial y recuperación de imágenes con PyTorch

Guía de aprendizaje automático. Aprende todo sobre herramientas, bibliotecas, marcos, modelos de lenguaje grandes (LLM) y modelos de entrenamiento de Machine Learning.

Guía de Procesamiento de Señal de Imagen (ISP). Aprende todo sobre el proceso de convertir una imagen o video a formato digital realizando tareas como reducción de ruido, filtrado, exposición automática, autoenfoque, corrección HDR y enfoque de imagen con un tipo especializado de procesador multimedia.

Procesamiento de imágenes médicas en Python.