imagenet

最大规模的 PyTorch 图像编码器/骨干集合，包含训练、评估、推理、导出脚本与预训练权重——ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt 等

Computer Vision Annotation Tool（CVAT）是构建高质量视觉数据集的领先平台，支持图像、视频与 3D 标注，提供开源、云端与企业版产品，以及标注服务，具备 AI 辅助标注、质量保证、团队协作、分析与开发者 API。

这是「Swin Transformer：使用移位窗口的层级视觉 Transformer」的官方实现。

语义分割模型，拥有 500+ 预训练卷积与 Transformer 基座

为网页友好的机器学习！🤖

高效 AI 主干网络，包括 GhostNet、TNT 与 MLP，由华为 Noah's Ark Lab 开发。

高效的视觉基础模型，用于高分辨率生成与感知。

DAMO-YOLO：一种快速且准确的物体检测方法，采用 NAS backbone、Efficient RepGFPN、ZeroHead、AlignedOTA 以及蒸馏增强等新技术

深度学习网络训练沙盒

在 2 小时内掌握联邦学习（Federated Learning）—在你的 PC 上运行！

EfficientNet 模型实现。支持 Keras 与 TensorFlow Keras。

使用 PyTorch 进行分类

基于 PyTorch 构建的无代码框架，用于可复现的深度学习研究。PyTorch 生态系统。🏆 至今已实现 26 种发表于 TPAMI、CVPR、ICLR、ECCV、NeurIPS、ICCV、AAAI 等会议的知识蒸馏方法。🎁 提供已训练模型、训练日志与配置文件，以确保可复现性与基准测试。

使用差分进化算法在 Cifar10 和 ImageNet 上实现《欺骗深度神经网络的单像素攻击》的 Keras 版本

Tensorflow、Keras 实现的 U-net、V-net、U-net++、UNET 3+、Attention U-net、R2U-net、ResUnet-a、U^2-Net、TransUNET 和 Swin-UNET，并可选 ImageNet 训练主干网络。

数据集管理框架，是用来构建、分析与管理 Computer Vision 数据集的 Python 程式库与 CLI 工具。

CAIRI 监督式、半监督式与自监督式视觉表征学习工具箱与基准测试

Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, 别名 kecam

更困难的 ImageNet 测试集（CVPR 2021）

RectLabel 是一款用于对象检测与分割的离线图像标注工具。