DeepRobust

PyTorch图像和图神经网络对抗性攻防开源库

DeepRobust 对抗攻击机器学习图神经网络 PyTorch Github 开源项目

DeepRobust是一个基于PyTorch的开源库，专注于图像和图神经网络的对抗性攻击与防御。它提供多种攻防算法，支持MNIST、CIFAR10等数据集，可与PyTorch Geometric集成。该库适用于对抗性机器学习研究，也为构建鲁棒深度学习模型提供工具。DeepRobust支持大规模图如OGB-ArXiv的攻击，并包含节点嵌入攻击和受害模型。它还提供图像预处理方法APE-GAN，支持ImageNet数据集，新增UGBA后门攻击和PRBCD可扩展攻击算法。库中包含MedianGCN、AirGNN等鲁棒模型，以及用于转换PyTorch Geometric和DeepRobust数据集的工具，成为全面的对抗性机器学习研究平台。

Github

介绍相关项目

pytorch-tutorial - 为深度学习研究人员提供了学习 PyTorch 的教程代码

GithubPyTorch代码开源项目教程深度学习神经网络

突破传统学习障碍，探索PyTorch深度学习教程。通过精炼的代码，快速构建从基础到高级的模型如线性回归及神经网络等，同时详述安装指导与环境配置。

stylegan2-ada-pytorch - 针对小数据集优化的StyleGAN2实现框架

GANGithubPyTorchStyleGAN2-ADA图像生成开源项目生成对抗网络

StyleGAN2-ADA-PyTorch是StyleGAN2的PyTorch实现版本,专为小数据集训练优化。它采用自适应判别器增强技术,提高了训练稳定性。该框架保持了原TensorFlow版本的功能,同时改进了性能和兼容性。预训练模型涵盖人脸、动物等多个领域,为GAN的新应用探索奠定基础。

pytorch-image-models - 全面的PyTorch图像模型集合

GithubPyTorch图像模型开源项目深度学习神经网络计算机视觉

pytorch-image-models是一个综合性PyTorch图像模型库，提供最新计算机视觉模型、预训练权重和训练脚本。库中包含CNN和Transformer等多种架构，支持迁移学习和特征提取。项目不断更新，近期新增MobileNetV4模型并优化现有模型性能。该库为计算机视觉研究和开发提供了丰富的工具和资源。

ILearnDeepLearning.py - 深度学习和数据科学的开源实践项目集

GithubILearnDeepLearning.pyMedium开源项目数据科学深度学习神经网络

此开源项目库集合了多个与深度学习和数据科学相关的小项目，通过实际操作帮助用户理解复杂的神经网络问题。内容包括详细的代码示例和可视化展示，涵盖梯度下降、神经网络数学原理、过拟合分析、优化器选择、卷积神经网络理论及自定义对象检测模型的训练等。适合希望深入了解和实践深度学习技术的用户，内容实用且丰富。

SupContrast - 监督对比学习框架增强视觉表征

GithubSupContrast图像分类对比学习开源项目损失函数监督学习

SupContrast是一个开源的监督对比学习框架，致力于提升视觉表征学习效果。该项目实现了监督对比学习和SimCLR算法，在CIFAR数据集上展现出色性能。它提供简洁的损失函数实现，支持自定义数据集，并附有详细运行指南和可视化结果。在ImageNet上，SupContrast实现了79%以上的Top-1准确率。这一工具为计算机视觉领域的研究和应用提供了重要支持。

Watermark-Removal-Pytorch - 基于深度图像先验的无训练水印去除方法

GithubPytorch图像修复开源项目水印移除深度图像先验深度学习

该项目实现了基于深度图像先验的水印去除技术，无需训练数据即可处理已知和未知水印。该方法通过简单API调用，支持图像编辑等任务。项目采用PyTorch开发，提供MPS加速，包含使用说明和结果展示。

deep_sort_pytorch - 使用PyTorch实现的Deep Sort多目标追踪算法

Deep SortGithubMask RCNNPyTorchYOLOv3YOLOv5开源项目

本项目实现了基于PyTorch的Deep Sort多目标追踪算法，结合CNN模型进行特征提取，并采用YOLOv3和YOLOv5等先进检测器代替原始的FasterRCNN。项目还支持多GPU训练和多类别目标追踪，并引入了Mask RCNN实例分割模型。用户可以使用Python和PyTorch轻松启动和自定义项目，适用于行人再识别等任务。详细的更新日志和使用指南使其对机器学习及计算机视觉爱好者和研究人员尤为有用。

deep-significance - 深度神经网络显著性测试的开源解决方案

Githubdeep-significance开源项目显著性检验深度学习神经网络统计学

deep-significance 提供完全测试的显著性测试功能，包括几乎随机顺序（ASO）方法、bootstrap 检验和置换随机化方法。结合 Bonferroni 校正和样本大小分析，兼容 PyTorch、TensorFlow 和 NumPy 数据结构。支持多模型、多数据集和样本级别的比较，帮助用户准确评估模型性能，避免因随机因素导致的错误结论。

tree-ring-watermark - 为扩散模型图像提供不可见鲁棒水印

GithubTree-Ring Watermarks傅里叶变换图像水印开源项目扩散模型水印检测

Tree-Ring Watermarks是一种为扩散模型图像设计的水印技术。通过在初始噪声的傅里叶变换中嵌入特殊模式，生成的水印在图像中不可见，但可通过反向扩散检测。该技术有效验证和保护AI生成图像，能抵抗多种攻击并保持图像质量。项目提供完整实现代码，包含主要实验、CLIP评分计算和FID评估功能。

DeepCrack - 深度学习驱动的自动裂缝检测网络

DeepCrackGithub卷积神经网络图像处理开源项目深度学习裂缝检测

DeepCrack是一种端到端深度卷积神经网络，用于自动裂缝检测。该网络通过学习分层卷积特征来表示裂缝，融合多尺度特征以捕捉线性结构。基于SegNet架构，DeepCrack在三个挑战性数据集上平均F值超过0.87，性能优于现有方法。项目提供四个裂缝数据集和预训练模型，为相关研究提供支持。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号