image-recognition

Guide Hello AI World pour le déploiement de réseaux d'inférence en deep learning et de primitives de vision par ordinateur avec TensorRT et NVIDIA Jetson.

Une bibliothèque Python conçue pour permettre aux développeurs de créer des applications et des systèmes dotés de capacités de vision par ordinateur autonomes

Un coffre au trésor pour la classification et la reconnaissance visuelle propulsé par PaddlePaddle.

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

Gestion de toutes les données non structurées, telles que la recherche inversée d'images, la recherche audio, la recherche moléculaire, l'analyse vidéo, les systèmes de questions-réponses, le NLP, etc.

Emgu CV est un wrapper .Net multiplateforme pour la bibliothèque de traitement d'image OpenCV.

Un serveur de gestion de photos moderne basé sur le web. Hébergez-le sur votre serveur domestique pour retrouver facilement n'importe quelle photo de votre collection depuis n'importe quel appareil. Le filtrage intelligent est rendu possible grâce à la reconnaissance d'objets, la reconnaissance faciale, la géolocalisation, l'analyse des couleurs et d'autres algorithmes de ML.

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

Implémentation en C++ de l'article ScienceDirect "An accelerating cpu-based correlation-based image alignment for real-time automatic optical inspection"

Notes pour le cours de Deep Learning de Fastai.

RMT (RuoMengTu) est un outil de macro gratuit et open-source basé sur AHKv2. Laissez le code gérer les tâches fastidieuses, vous avez des choses plus importantes à faire.

Élagage de canaux pour l'accélération de réseaux de neurones très profonds (ICCV'17)

Implémentation agnostique au framework pour des méthodes de saillance de pointe (XRAI, BlurIG, SmoothGrad, et plus).

Apprentissage profond descriptif

Guide du traitement du signal d'image (ISP). Apprenez tout sur le processus de conversion d'une image ou d'une vidéo en format numérique en effectuant des tâches telles que la réduction du bruit, le filtrage, l'exposition automatique, l'autofocus, la correction HDR et la netteté d'image à l'aide d'un type spécialisé de processeur multimédia.

Logiciel de localisation, de redressement et de reconnaissance de plaques d'immatriculation chinoises basé sur U-Net, cv2 et CNN. U-Net et cv2 sont utilisés pour la localisation et le redressement, tandis que CNN assure la reconnaissance. Les deux modèles sont implémentés avec Keras sous TensorFlow.

Pointez votre caméra vers des objets pour apprendre à les nommer dans une autre langue. Application Android développée avec React Native.