feature-extraction

Extraction automatique de caractéristiques pertinentes à partir de séries temporelles

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.

Bibliothèque de reconnaissance faciale haute performance basée sur PaddlePaddle et PyTorch.

Towhee est un framework dédié à la simplification et à l'accélération des pipelines de traitement de données neuronales.

Un framework multiplateforme de structuration vidéo (analyse vidéo) basé sur des modèles CV et mLLM.

Un service de classement personnalisé par Machine Learning low-code pour articles, listes, résultats de recherche et recommandations, conçu pour accroître l'engagement utilisateur. Un moteur Learn-to-Rank convivial.

Bibliothèque Python open-source d'ingénierie et de sélection de caractéristiques compatible avec sklearn.

Les actions liées au Deep Learning et au Machine Learning représentent des opportunités prometteuses pour les investisseurs et traders à long et court terme.

OpenMLDB est une base de données open source pour le machine learning, offrant une plateforme de fonctionnalités permettant de calculer des données cohérentes pour l'entraînement et l'inférence.

Extraction de caractéristiques audio pour JavaScript.

Package Python open-source pour l'extraction de caractéristiques radiomiques à partir d'images 2D/3D et de masques binaires. Support : https://discourse.slicer.org/c/community/radiomics

Une bibliothèque intuitive pour extraire des caractéristiques de séries temporelles.

Un wrapper Python pour Kaldi

SpeechPy - Une bibliothèque pour le traitement et la reconnaissance vocale : http://speechpy.readthedocs.io/en/latest/

Analyse hautement comparative de séries temporelles

Extracteur de caractéristiques multimédias à grande échelle open-source de Munich.

L'ingénierie des caractéristiques est le processus consistant à utiliser les connaissances du domaine pour extraire des caractéristiques à partir de données brutes via des techniques de data mining. Ces caractéristiques peuvent être utilisées pour améliorer les performances des algorithmes d'apprentissage automatique. L'ingénierie des caractéristiques peut être considérée comme de l'apprentissage automatique appliqué.

Application de reconnaissance faciale : détection de vivacité, détection, alignement, identification, vérification, comparaison, mise en correspondance, suivi, expression, anti-usurpation, attributs, âge, transfert, recherche faciale.

KISS-Matcher : Enregistrement rapide, robuste et évolutif + exemples de SLAM ROS2.

Fully Convolutional Geometric Features : caractéristiques 3D rapides et précises pour le recalage et la correspondance.

Utilisez des stratégies avancées d'ingénierie des fonctionnalités et sélectionnez les meilleures variables de votre jeu de données en une seule ligne de code. Créé par Ram Seshadri. Contributeurs bienvenus.

Extraction de caractéristiques vidéo à partir de vidéos brutes utilisant plusieurs GPU. Nous prenons en charge les frames de flux RAFT ainsi que les modèles S3D, I3D, R(2+1)D, VGGish, CLIP, et TIMM

Dépôt du jeu de données Ego4d. Téléchargement, visualisation, extraction de caractéristiques et exemples d'utilisation

Traitement d'images médicales en Python

ACG2vec (Anime Comics Games to vector) s'engage à créer un espace combinant l'ACG et le deep learning. (Recherche sémantique de texte, recherche d'image par l'image, recherche sémantique d'image, super-résolution d'image, systèmes de recommandation)

Bibliothèque de Machine Learning pour le web et Node.

PopSift is an implementation of the SIFT algorithm in CUDA.