feature-extraction

自动从时间序列中提取相关特征：

我相信本书主要针对的研究生与求职者将从阅读中受益；同时，我也希望即使是最有经验的研究人员也会觉得它同样引人入胜。

高性能人脸识别库，支持 PaddlePaddle 与 PyTorch

Towhee 是一个致力于简化神经数据处理流水线的框架

基于 CV 模型与 mLLM 的跨平台视频结构化（视频分析）框架

低代码机器学习个性化排序服务，适用于文章、列表、搜索结果与推荐，可提升用户参与度。一个友好的 Learn-to-Rank 引擎

兼容 sklearn 的特征工程与选择开源 Python 库。

深度学习与机器学习股票为长期和短期投资者及交易者提供了有前景的机会。

OpenMLDB 是一个开源的机器学习数据库，提供一个能为训练与推理计算一致性特征的特征平台。

适用于 JavaScript 的音频特征提取工具。

用于从 2D 和 3D 图像及二进制遮罩提取放射学特征的开源 python 套件。支援：https://discourse.slicer.org/c/community/radiomics

一个能从时间序列中提取特征的直观库

Kaldi 的 Python 包装器

:speech_balloon: SpeechPy - 语音处理与识别库：http://speechpy.readthedocs.io/en/latest/

高度比较的时间序列分析

慕尼黑开源大规模多媒体特征提取器

特征工程是利用领域知识通过数据挖掘技术从原始数据中提取特征的过程。这些特征可用于提升机器学习算法的性能。特征工程本身即可视为应用机器学习。

人脸识别应用；人脸活体检测；人脸检测；人脸对齐；人脸辨识与人脸验证及人脸比对；人脸匹配；人脸追踪；人脸表情与人脸防伪；人脸属性与人脸年龄；人脸转移；人脸防伪；人脸检索；人脸识别

KISS-Matcher：快速、强固且可扩展的配准 + ROS2 SLAM 示例

全卷积几何特征：用于配准与对应的快速且精准 3D 特征。

使用进阶特征工程策略，透过一行代码从数据集中选出最佳特征。由 Ram Seshadri 建立。欢迎协作者。

使用多张 GPU 从原始视频中提取视频特征。支持 RAFT 光流帧，以及 S3D、I3D、R(2+1)D、VGGish、CLIP 与 TIMM 模型。

Ego4d 数据集仓库。下载数据集、可视化、提取特征与数据集示例用法

使用 Python 进行医学图像处理

ACG2vec (Anime Comics Games to vector) 致力于打造结合 ACG 与深度学习的实验场。（文本语义检索、以图搜图、语义搜图、图片超分辨率、推荐系统）

适用于 Web 与 Node.js 的机器学习库。

PopSift is an implementation of the SIFT algorithm in CUDA.