convolutional-neural-networks

Trình nâng cấp chất lượng cao theo thời gian thực cho video Anime

🤖 Mạng thần kinh tăng tốc bằng GPU trong JavaScript cho Trình duyệt và Node.js

Triển khai PyTorch của U-Net để phân đoạn ngữ nghĩa hình ảnh với hình ảnh chất lượng cao

Các kỹ thuật học sâu với hình ảnh vệ tinh và trên không

Các thực hành tốt nhất, mẫu mã nguồn và tài liệu về Computer Vision.

T81-558: Keras - Ứng dụng Mạng Neural Sâu tại Đại học Washington ở St. Louis

Tôi tin rằng bạn, những học viên cao học và những người đang tìm việc - đối tượng chính mà cuốn sách này hướng tới - sẽ nhận được nhiều lợi ích khi đọc nó; tuy nhiên, tôi cũng hy vọng rằng ngay cả những nhà nghiên cứu giàu kinh nghiệm nhất cũng sẽ thấy nó vô cùng thú vị.

Các AI backbone hiệu quả bao gồm GhostNet, TNT và MLP, được phát triển bởi Phòng thí nghiệm Noah's Ark của Huawei.

Ghi chú, bài tập lập trình và trắc nghiệm từ tất cả các khóa học trong chuyên ngành Deep Learning của Coursera do deeplearning.ai cung cấp: (i) Mạng thần kinh và Deep Learning; (ii) Cải thiện mạng thần kinh sâu: Điều chỉnh siêu tham số, Chuẩn hóa và Tối ưu hóa; (iii) Cấu trúc các dự án Machine Learning; (iv) Mạng thần kinh tích chập; (v) Mô hình chuỗi

Danh sách tổng hợp các hướng dẫn về Deep Learning / Artificial Intelligence và Machine Learning - mở rộng nhanh chóng sang các lĩnh vực AI/Deep Learning / Machine Vision / NLP và các lĩnh vực đặc thù ngành như Khí hậu / Năng lượng, Ô tô, Bán lẻ, Dược phẩm, Y tế, Chăm sóc sức khỏe, Chính sách, Đạo đức và nhiều hơn nữa.

🧠💬 Các bài viết tôi đã viết về học máy, được lưu trữ từ MachineCurve.com.

Mã nguồn ví dụ cho các API mới của iOS 10.

Minkowski Engine là một thư viện mạng nơ-ron tự động tính đạo hàm (auto-diff) cho tensor thưa chiều cao

Hướng dẫn đơn giản và toàn diện về TensorFlow

Các toán tử suy luận mạng neural dấu phẩy động hiệu suất cao dành for di động, máy chủ và Web

Làm chủ các kỹ năng thiết yếu để nhận diện và giải quyết các vấn đề phức tạp trong thế giới thực bằng Machine Learning và Deep Learning, tận dụng hệ sinh thái Python Machine Learning rất phổ biến.

Thư viện Thị giác Máy tính cho tương tác người-máy. Triển khai ước lượng tư thế đầu và hướng ánh nhìn sử dụng Mạng thần kinh tích chập, phát hiện da qua phép chiếu ngược, phát hiện và theo dõi chuyển động, bản đồ độ nổi (Saliency Map).

Các thuật toán phân loại văn bản: Một khảo sát

Top 200 kho lưu trữ deep learning trên Github được sắp xếp theo số lượng sao.

Mạng nơ-ron tích chập cho lưới 3D trong PyTorch

Phần mềm và các mô hình được huấn luyện sẵn để tự động nâng cao chất lượng ảnh bằng Deep Convolutional Networks

chạy lệnh pip install antialiased-cnns để cải thiện độ ổn định và độ chính xác

Mạng thần kinh tích chập Bayes (Bayesian Convolutional Neural Network) với suy luận biến phân dựa trên Bayes by Backprop trong PyTorch.

Danh sách chọn lọc các tài nguyên Trí tuệ Nhân tạo tốt nhất

Truy xuất hình ảnh CNN trong PyTorch: Đào tạo và đánh giá các CNN để truy xuất hình ảnh trong PyTorch

PointCNN: Tích chập trên các điểm biến đổi X (NeurIPS 2018)

[ICLR'23 Spotlight🔥] Quá trình huấn luyện trước kiểu BERT/MAE thành công đầu tiên trên bất kỳ mạng tích chập nào; Bản cài đặt PyTorch của "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"

Ước lượng tư thế đầu người theo thời gian thực sử dụng ONNXRuntime và OpenCV.

Nhận diện cảm xúc thời gian thực

Thư viện header-only nhẹ để sử dụng các mô hình Keras (TensorFlow) trong C++.