resnet

A maior coleção de codificadores de imagem / backbones para PyTorch. Inclui scripts de treino, avaliação, inferência, exportação e pesos pré-treinados -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt e muito mais

Implementação de redes de deep learning populares com a API de definição de rede TensorRT.

Ferramentas para projetar ou visualizar a arquitetura de redes neurais.

Modelos pré-treinados de detecção facial (MTCNN) e reconhecimento facial (InceptionResnet) em Pytorch

Modelos de segmentação com backbones pré-treinados. Keras e TensorFlow Keras.

Prática em 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)

Caixa de ferramentas e benchmark de pré-treinamento da OpenMMLab

Excelente projeto para processos seletivos e estágios! Guia passo a passo para implementar uma biblioteca de inferência de deep learning de alto desempenho do zero, com suporte a modelos como llama2, Unet, Yolov5, Resnet e outros.

Modelo DeepLab v3+ em PyTorch. Suporte a diferentes backbones.

Integração de modelos de deep learning para classificação de imagens | Projeto de aprendizado, comparação e modificação de backbones

Uma estrutura de aprendizado profundo baseada em PyTorch para segmentação de imagens médicas 2D/3D multimodais

Classificação com PyTorch.

Toolkit voltado para pesquisa e produção de verificação, reconhecimento e diarização de locutores

Implementação adequada de ResNet-s para CIFAR10/100 em PyTorch que corresponde à descrição do artigo original.

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

Adan: Algoritmo de Momento Nesterov Adaptativo para otimização mais rápida de modelos profundos.

Yolov5 mais legível e flexível, com mais backbones (gcn, resnet, shufflenet, mobilenet, efficientnet, hrnet, swin-transformer, etc.), (cbam, dcn e outros) e tensorrt

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.

Auto rotulagem por meio de agrupamento (clustering) e aprendizado de representação simultâneos. (ICLR 2020)

Código para o artigo da Nature Scientific Reports "Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks." Um framework de janela deslizante para classificação de imagens de lâmina inteira de alta resolução, frequentemente imagens de microscopia ou histopatologia.