feature-extraction

Extração automática de características relevantes de séries temporais

Acredito que vocês, estudantes de pós-graduação e candidatos a emprego para quem o livro é destinado, se beneficiarão da leitura; no entanto, espero que até os pesquisadores mais experientes o achem fascinante.

Biblioteca de reconhecimento facial de alto desempenho em PaddlePaddle e PyTorch

Towhee é um framework dedicado a tornar os pipelines de processamento de dados neurais simples e rápidos.

Um framework multiplataforma de estruturação de vídeo (análise de vídeo) baseado em modelos de CV e mLLM.

Um serviço de classificação personalizada de Machine Learning low-code para artigos, listagens, resultados de pesquisa e recomendações que aumenta o engajamento do usuário. Um motor de Learn-to-Rank amigável.

Biblioteca Python de código aberto para engenharia e seleção de recursos, compatível com sklearn.

Ações de Deep Learning e Machine Learning representam oportunidades promissoras tanto para investidores e traders de longo quanto de curto prazo.

OpenMLDB é um banco de dados de aprendizado de máquina de código aberto que fornece uma plataforma de recursos computando recursos consistentes para treinamento e inferência.

Extração de características de áudio para JavaScript.

Pacote Python open-source para extração de características de Radiomics de imagens 2D e 3D e máscaras binárias. Suporte: https://discourse.slicer.org/c/community/radiomics

Uma biblioteca intuitiva para extrair características de séries temporais.

Um wrapper Python para Kaldi

:speech_balloon: SpeechPy - Uma biblioteca para processamento e reconhecimento de fala: http://speechpy.readthedocs.io/en/latest/

Análise comparativa avançada de séries temporais

O extrator de recursos multimídia de grande escala de código aberto de Munique

Engenharia de recursos (feature engineering) é o processo de usar conhecimento do domínio para extrair recursos de dados brutos por meio de técnicas de mineração de dados. Esses recursos podem ser usados para melhorar o desempenho de algoritmos de aprendizado de máquina. A engenharia de recursos pode ser considerada como o próprio aprendizado de máquina aplicado.

Aplicativo de Reconhecimento Facial; Detecção de Vivacidade Facial; Detecção Facial; Alinhamento Facial; Identificação Facial && Verificação Facial && Comparação Facial; Correspondência Facial; Rastreamento Facial; Expressão Facial && Anti-spoofing Facial; Atributo Facial && Idade Facial; Transferência Facial; Anti-spoofing Facial; Recuperação Facial; reconhecimento facial

KISS-Matcher: Registro rápido, robusto e escalável + exemplos de ROS2 SLAM

Fully Convolutional Geometric Features: Recursos 3D rápidos e precisos para registro e correspondência.

Use estratégias avançadas de engenharia de recursos e selecione as melhores características do seu conjunto de dados com uma única linha de código. Criado por Ram Seshadri. Colaboradores são bem-vindos.

Extraia características de vídeos brutos usando múltiplas GPUs. Suportamos quadros de fluxo RAFT, bem como modelos S3D, I3D, R(2+1)D, VGGish, CLIP e TIMM.

Repositório do dataset Ego4d. Baixe o dataset, visualize, extraia recursos e veja exemplos de uso.

Processamento de imagens médicas em Python

O ACG2vec (Anime Comics Games to vector) dedica-se a criar um ambiente que combina ACG e Deep Learning. (Busca semântica de texto, busca reversa por imagem, busca semântica por imagem, super-resolução de imagem, sistemas de recomendação)

Biblioteca de Machine Learning para web e Node.

PopSift is an implementation of the SIFT algorithm in CUDA.