convolutional-neural-networks

Un upscaler temps réel de haute qualité pour les vidéos d'animation

🤖 Réseaux de neurones accélérés par GPU en JavaScript pour les navigateurs et Node.js

Implémentation PyTorch de U-Net pour la segmentation sémantique d'images haute qualité.

Techniques d'apprentissage profond pour l'imagerie satellite et aérienne.

Bonnes pratiques, exemples de code et documentation pour la vision par ordinateur.

T81-558 : Keras - Applications des réseaux de neurones profonds à l'Université Washington de Saint-Louis

Je suis convaincu que les étudiants de troisième cycle et les chercheurs d'emploi, auxquels ce livre est principalement destiné, tireront profit de sa lecture ; j'espère toutefois que même les chercheurs les plus expérimentés le trouveront fascinant.

Backbones IA efficaces incluant GhostNet, TNT et MLP, développés par le laboratoire Noah's Ark de Huawei.

Notes, exercices de programmation et quiz de tous les cours de la spécialisation Deep Learning de Coursera proposée par deeplearning.ai : (i) Réseaux de neurones et Deep Learning ; (ii) Amélioration des réseaux de neurones profonds : réglage des hyperparamètres, régularisation et optimisation ; (iii) Structuration de projets de Machine Learning ; (iv) Réseaux de neurones convolutifs ; (v) Modèles de séquences.

Liste exhaustive de tutoriels sur le Deep Learning, l'intelligence artificielle et le Machine Learning, couvrant des domaines comme la vision par ordinateur, le NLP et des secteurs industriels tels que l'énergie, l'automobile, la santé et l'éthique

Articles sur l'apprentissage automatique, archivés depuis MachineCurve.com.

Exemples de code pour les nouvelles API d'iOS 10.

Minkowski Engine est une bibliothèque de réseaux de neurones à différenciation automatique pour les tenseurs creux de haute dimension.

Tutoriels simples et complets sur TensorFlow

Opérateurs d'inférence de réseaux de neurones à virgule flottante haute efficacité pour mobile, serveur et Web.

Maîtrisez les compétences essentielles pour identifier et résoudre des problèmes complexes du monde réel avec le Machine Learning et le Deep Learning en tirant parti de l'écosystème Python très populaire.

Bibliothèque de vision par ordinateur pour l'interaction homme-machine. Implémente l'estimation de la pose de la tête et de la direction du regard par réseaux de neurones convolutifs, détection de peau, détection de mouvement et cartes de saillance.

Algorithmes de classification de texte : une étude

Top 200 des dépôts GitHub sur le deep learning classés par nombre d'étoiles.

Réseau de neurones convolutifs pour maillages 3D en PyTorch

Logiciels et modèles pré-entraînés pour l'amélioration automatique de la qualité photo via des réseaux de neurones convolutifs profonds

pip install antialiased-cnns pour améliorer la stabilité et la précision

Réseau de neurones convolutif bayésien avec inférence variationnelle basée sur Bayes by Backprop en PyTorch.

Liste organisée des meilleures ressources en intelligence artificielle

Recherche d'images par CNN dans PyTorch : Entraînement et évaluation de CNN pour la recherche d'images dans PyTorch.

PointCNN : Convolution sur des points X-transformés (NeurIPS 2018).

[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"

Estimation en temps réel de la pose de la tête humaine avec ONNXRuntime et OpenCV.

Reconnaissance des émotions en temps réel.

Une bibliothèque légère, composée uniquement d'en-têtes, pour utiliser des modèles Keras (TensorFlow) en C++.