cnn

[ICLR'23 Spotlight] O primeiro pré-treinamento bem-sucedido estilo BERT/MAE em qualquer rede convolucional; implementação em PyTorch de "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling".

Deformable Convolutional Networks v2 com Pytorch

Versão aprimorada de reconhecimento de fórmulas matemáticas: fórmulas manuscritas e impressas em chinês e inglês, com suporte a dedução de símbolos básicos (estrutura de dados baseada em árvore de sintaxe abstrata LaTeX).

Notas de leitura de artigos sobre Deep Learning e Machine Learning

Implementação em Keras de "One pixel attack for fooling deep neural networks" usando evolução diferencial em Cifar10 e ImageNet

Diagramas para visualizar arquiteturas de redes neurais

Uma biblioteca de Deep Learning para classificação de tarefas (sinais) de EEG, baseada em TensorFlow.

[Não oficial] Implementação em PyTorch de "Conformer: Convolution-augmented Transformer for Speech Recognition" (INTERSPEECH 2020)

UNetFormer: Um transformer semelhante ao UNet para segmentação semântica eficiente de imagens de cenas urbanas de sensoriamento remoto, ISPRS. Inclui também outros vision transformers e CNNs para segmentação de imagens de satélite, aéreas e de UAV.

Bolt é uma biblioteca de deep learning com alto desempenho e flexibilidade heterogênea.

Este projeto estende a ideia da arquitetura inovadora das Kolmogorov-Arnold Networks (KAN) para camadas convolucionais, alterando a transformação linear clássica da convolução para ativações não lineares aprendíveis em cada pixel.

D2-Net: Uma CNN treinável para descrição e detecção conjunta de características locais

LLVIP: Um conjunto de dados pareado visível-infravermelho para visão em baixa luminosidade

Classificação de texto multilabel, classificação multilabel, classificação de texto, multi-label, classifier, text classification, BERT, seq2seq, attention, multi-label-classification

Notebooks de exercícios para o CVND.

Resumo de conteúdo relacionado a arquitetura de computadores, fundamentos de sistemas embarcados e principais linguagens de programação

Um modelo de Deep Learning rápido para ampliar vídeos de baixa resolução para alta resolução a 30fps

Um motor de navegação visual alimentado por deep learning para permitir a navegação autônoma de quadricópteros de bolso - rodando em PULP

Um benchmark de classificação de texto em PyTorch

Anotações do curso "Machine Learning 2021 Spring" do Professor Hung-yi Lee da Universidade Nacional de Taiwan (NTU)

Classifique a descrição de crimes de San Francisco do Kaggle em 39 classes. Construa o modelo com CNN, RNN (GRU e LSTM) e Word Embeddings no Tensorflow.

LCNN: Análise de estruturas de arame ponta a ponta

✨ O primeiro modelo de reconhecimento de fontes CJK (chinês, japonês e coreano) e extrator de estilo, modelo de reconhecimento de fontes e implementação do YuzuMarker

Implementação de rede neural recorrente convolucional de difusão em PyTorch.

Análise de sentimentos, classificação de texto, dicionário, bayes, sentiment analysis, TextCNN, classification, tensorflow, BERT, CNN, text classification

Notas sobre sistemas de deep learning, incluindo fundamentos matemáticos de deep learning, explicações detalhadas de componentes básicos de redes neurais, estratégias de treinamento de deep learning e explicações detalhadas de algoritmos de compressão de modelos.