cnn

[ICLR'23 Spotlight🔥] Le premier pré-entraînement réussi de type BERT/MAE sur un réseau convolutionnel ; implémentation PyTorch de "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"

Réseaux de neurones convolutifs déformables v2 avec Pytorch

OCR de formules mathématiques : prend en charge l'écriture manuscrite, les formules mixtes chinois-anglais et le raisonnement symbolique simple (basé sur l'arbre de syntaxe abstraite LaTeX).

Notes de lecture sur le Deep Learning et le Machine Learning

Implémentation Keras de "One pixel attack for fooling deep neural networks" utilisant l'évolution différentielle sur Cifar10 et ImageNet.

Diagrammes pour visualiser l'architecture des réseaux de neurones

Une bibliothèque de Deep Learning pour la classification de tâches EEG (signaux), basée sur TensorFlow.

[Non officiel] Implémentation PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020).

UNetFormer : un transformer de type UNet pour la segmentation sémantique efficace d'imagerie urbaine par télédétection (ISPRS). Inclut également d'autres vision transformers et CNN pour la segmentation d'images satellites, aériennes et de drones.

Bolt est une bibliothèque d'apprentissage profond offrant haute performance et flexibilité hétérogène

Ce projet étend l'architecture innovante des réseaux Kolmogorov-Arnold (KAN) aux couches de convolution, en remplaçant la transformation linéaire classique de la convolution par des activations non linéaires apprenables pour chaque pixel.

D2-Net : un CNN entraînable pour la description et la détection conjointes de caractéristiques locales.

LLVIP : un jeu de données appariées visible-infrarouge pour la vision en basse lumière

Classification de texte multi-étiquettes, classifieur, BERT, seq2seq, attention, multi-label-classification

Cahiers d'exercices pour CVND.

:books: Résumé des contenus sur l'architecture informatique, les systèmes embarqués et les langages de programmation courants

Un modèle d'apprentissage profond rapide pour convertir des vidéos basse résolution en haute résolution à 30 ips

Un moteur de navigation visuelle propulsé par le deep learning pour permettre la navigation autonome de quadricoptères de poche - exécuté sur PULP

Un benchmark de classification de texte en PyTorch

Notes du cours "Machine Learning 2021 Spring" du Professeur Hung-yi Lee de l'Université Nationale de Taïwan (NTU).

Classifier les descriptions de crimes de San Francisco de Kaggle en 39 classes. Construire le modèle avec CNN, RNN (GRU et LSTM) et des plongements de mots sur Tensorflow.

LCNN : Analyse de fil de fer de bout en bout

✨ Premier modèle de reconnaissance de polices et d'extraction de style CJK (Chinois, Japonais, Coréen) / Modèle et implémentation de reconnaissance de polices de YuzuMarker, projet secondaire de YuzuMarker.

Implémentation en PyTorch d'un réseau de neurones récurrents à convolution par diffusion (DCRNN)

Analyse de sentiments, classification de texte, dictionnaire, bayes, sentiment analysis, TextCNN, classification, tensorflow, BERT, CNN, text classification

Notes sur les systèmes de deep learning, incluant les bases mathématiques, les composants fondamentaux des réseaux de neurones, les stratégies d'entraînement et les algorithmes de compression de modèles