resnet

Koleksi encoder / backbone gambar PyTorch terlengkap. Termasuk skrip untuk pelatihan, evaluasi, inferensi, ekspor, dan bobot pretrained -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, dan lainnya.

Implementasi jaringan deep learning populer dengan API definisi jaringan TensorRT

Alat untuk merancang atau memvisualisasikan arsitektur Neural Network.

Model Pytorch terlatih untuk deteksi wajah (MTCNN) dan pengenalan wajah (InceptionResnet).

Model segmentasi dengan backbone yang telah dilatih sebelumnya. Keras dan TensorFlow Keras.

Latihan pada cifar100 (ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext, ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)

Kotak Alat Pra-pelatihan dan Tolok Ukur OpenMMLab

Proyek untuk rekrutmen kampus. Implementasi pustaka inferensi deep learning berkinerja tinggi dari nol, mendukung model seperti Llama2, Unet, Yolov5, dan Resnet.

Model DeepLab v3+ dalam PyTorch. Mendukung berbagai backbone.

Mengintegrasikan model deep learning untuk klasifikasi gambar | Proyek pembelajaran/perbandingan/modifikasi ajaib tulang punggung

Kerangka kerja deep learning berbasis pytorch untuk segmentasi citra medis 2D/3D multi-modal

Klasifikasi dengan PyTorch.

Toolkit Verifikasi, Pengenalan, dan Diarisasi Speaker Berorientasi Penelitian dan Produksi

Implementasi yang tepat dari ResNet-s untuk CIFAR10/100 di pytorch yang sesuai dengan deskripsi makalah asli.

Pustaka Deep Learning untuk Klasifikasi Tugas (Sinyal) EEG, berbasis TensorFlow.

Adan: Algoritma Adaptive Nesterov Momentum untuk optimasi model deep learning yang lebih cepat.

Yolov5 yang lebih mudah dibaca dan fleksibel dengan lebih banyak backbone (gcn, resnet, shufflenet, mobilenet, efficientnet, hrnet, swin-transformer, dll), modul (cbam, dcn, dll), serta dukungan tensorrt.

Ekstrak fitur video dari video mentah menggunakan beberapa GPU. Kami mendukung bingkai alur RAFT serta model S3D, I3D, R(2+1)D, VGGish, CLIP, dan TIMM.

Pelabelan mandiri melalui klusterisasi simultan dan pembelajaran representasi. (ICLR 2020)

Kode untuk makalah Nature Scientific Reports "Klasifikasi tingkat patologis pada pola histologis pada slide adenokarsinoma paru yang direseksi dengan jaringan saraf tiruan mendalam." Kerangka kerja jendela geser untuk klasifikasi gambar seluruh slide resolusi tinggi, sering kali gambar mikroskopi atau histopatologi.