feature-extraction

시계열 데이터에서 관련 특징 자동 추출:

주요 독자인 대학원생과 구직자뿐만 아니라 경험 많은 연구원에게도 흥미롭고 유익한 책입니다.

PaddlePaddle 및 PyTorch 기반의 고성능 얼굴 인식 라이브러리

Towhee는 신경망 데이터 처리 파이프라인을 빠르고 간단하게 만드는 데 특화된 프레임워크입니다.

CV 모델 및 mLLM 기반의 크로스 플랫폼 비디오 구조화(비디오 분석) 프레임워크

사용자 참여를 높이는 기사, 목록, 검색 결과, 추천을 위한 로우코드 머신러닝 개인화 순위 지정 서비스. 친화적인 Learn-to-Rank 엔진

sklearn과 호환되는 특성 공학 및 선택 오픈소스 Python 라이브러리.

딥러닝 및 머신러닝 관련 주식은 장기 및 단기 투자자 모두에게 유망한 기회를 제공합니다.

OpenMLDB는 학습 및 추론을 위해 일관된 피처를 계산하는 피처 플랫폼을 제공하는 오픈소스 머신러닝 데이터베이스입니다.

JavaScript용 오디오 피처 추출 라이브러리

2D 및 3D 이미지와 바이너리 마스크에서 Radiomics 피처를 추출하기 위한 오픈 소스 python 패키지. 지원: https://discourse.slicer.org/c/community/radiomics

시계열 데이터에서 특징을 추출하기 위한 직관적인 라이브러리

Kaldi용 Python 래퍼

:speech_balloon: SpeechPy - 음성 처리 및 인식을 위한 라이브러리: http://speechpy.readthedocs.io/en/latest/

고도로 비교 가능한 시계열 분석 도구입니다.

뮌헨 오픈소스 대규모 멀티미디어 특징 추출기

피처 엔지니어링(Feature engineering)은 데이터 마이닝 기술을 통해 도메인 지식을 활용하여 원시 데이터에서 특징을 추출하는 과정입니다. 이러한 특징은 머신러닝 알고리즘의 성능을 향상시키는 데 사용할 수 있습니다. 피처 엔지니어링 자체를 응용 머신러닝으로 간주할 수 있습니다.

얼굴 인식 앱: 얼굴 생동감 감지, 얼굴 감지, 정렬, 식별, 검증, 비교, 매칭, 추적, 표정 분석, 스푸핑 방지, 속성 및 나이 분석, 얼굴 변환, 검색 기능 포함

KISS-Matcher: 빠르고 견고하며 확장 가능한 등록 및 ROS2 SLAM 예제

Fully Convolutional Geometric Features: 등록 및 대응을 위한 빠르고 정확한 3D 특징점입니다.

단 한 줄의 코드로 고급 피처 엔지니어링 전략을 사용하고 데이터 세트에서 최적의 피처를 선택하세요. Ram Seshadri 제작. 기여자 환영.

다중 GPU를 사용하여 원본 영상에서 특징을 추출. RAFT 플로우 프레임 및 S3D, I3D, R(2+1)D, VGGish, CLIP, TIMM 모델 지원

Ego4d 데이터셋 저장소. 데이터셋 다운로드, 시각화, 특징 추출 및 예제 사용법 제공

Python을 이용한 의료 영상 처리

ACG2vec은 ACG와 딥러닝을 결합한 놀이터를 만드는 것을 목표로 함 (텍스트 의미론적 검색, 이미지 기반 검색, 의미론적 검색, 이미지 초해상도, 추천 시스템)

웹 및 Node를 위한 머신러닝 라이브러리

PopSift is an implementation of the SIFT algorithm in CUDA.