Project Icon

pytorch-ood

基于PyTorch的深度学习异常检测库

pytorch-ood是一个专为深度学习设计的异常检测库。该库提供多种检测方法、损失函数、数据集和神经网络架构,支持预训练权重,并兼容pytorch-lightning等框架。它涵盖开放集识别、新颖性检测、置信度估计等领域,采用统一的异常分数约定,方便比较不同方法。这个基于PyTorch的工具库为研究人员和开发者提供了全面的异常检测解决方案。

Holocron - 深度学习计算机视觉技巧的高效实现与应用
GithubHolocronPyTorch开源项目模型深度学习计算机视觉
Holocron项目提供深度学习计算机视觉最新技术的高效实现,增强开发者灵活性并与PyTorch生态系统兼容。支持多种图像分类、目标检测和语义分割模型,包括Res2Net、Darknet和YOLO等。项目附带详细文档、示例代码和实时演示,助力开发者快速上手并部署高性能视觉解决方案,并提供多种优化算法和工具提升训练效率与准确性。适用于追求前沿性能和灵活开发环境的研究人员和工程师。
Great-Deep-Learning-Tutorials - 全面深度学习教程和实用资源集锦
GithubPyTorch人工智能开源项目机器学习深度学习神经网络
该项目汇集了深度学习领域的优质教程和资源,覆盖计算机视觉、自然语言处理、语音处理等多个方向。内容包括入门教程、高级课程、技术博客和开源代码库,涵盖模型量化、AutoML、图神经网络等前沿主题。同时提供深度模型训练的实践指南,适合系统学习和深入研究深度学习的人员参考。
AnomalyGPT - 突破性工业异常检测方法
AnomalyGPTGithubImageBindVicuna工业异常检测开源项目视觉语言模型
AnomalyGPT是一种创新的工业异常检测方法,结合了大型视觉语言模型技术。该方法无需手动设置阈值,能自动检测工业图像中的异常,并指出其位置和特征。AnomalyGPT通过预训练的图像编码器和语言模型,利用模拟异常数据来分析工业图像及相关描述。此外,它还可以仅凭少量正常样本就能识别新类型的异常。
mmyolo - YOLO算法与实时对象识别工具包
GithubMMYOLOOpenMMLabYOLO系列算法实例分割开源项目目标检测
MMYOLO是一个基于PyTorch和MMDetection的开源工具包,专注于YOLO系列算法,适用于对象检测和旋转对象检测任务。该项目提供统一的基准测试、详细文档和模块化设计,便于用户构建和扩展模型。支持YOLOv5实例分割和YOLOX-Pose等功能,显著提升训练速度,并在RTMDet模型上实现了先进的性能。
WinClip - 先进的零样本和少样本异常检测算法
GithubWinCLIP少样本学习开源项目异常检测计算机视觉零样本学习
WinCLIP是计算机视觉领域的创新零样本和少样本异常检测算法,专注于异常分类和异常分割。该方法在MVTec-AD和VisA数据集上表现出色,在图像级和像素级异常检测任务中均展现优异性能。项目提供完整实现代码,包含环境配置、数据集准备和结果复现指南,为研究人员和开发者提供重要参考,推动了异常检测技术的发展。
pytorch-widedeep - 基于PyTorch的多模式深度学习工具包,结合表格、文本和图像数据
Githubpytorch-widedeep多模态深度学习宽和深模型开源项目机器学习表格数据
pytorch-widedeep是一个基于Google的Wide and Deep算法的开源项目,专为多模式数据集设计,支持结合表格、文本和图像数据。该工具包提供多种架构和自定义模型支持,如TabMlp、BasicRNN、TabTransformer等。详细的安装、快速入门和使用扩展步骤可在官方文档中找到。pytorch-widedeep适合多模式数据的深度学习研究和应用。
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。
lightly - 简单易用的自监督学习工具,支持自定义骨干模型和分布式训练
GithubLightlyPyTorch多模型支持开源项目自监督学习计算机视觉
这个开源项目提供简单易用的自监督学习工具,支持自定义骨干模型和分布式训练。通过模块化设计,用户可以自由调整损失函数和模型头。项目还提供商业版本,包含用于嵌入、分类、检测和分割任务的预训练模型。此外,平台集成了主动学习和数据策划功能,适用于大规模数据处理和强大算法的应用。
YOLOX - 无锚目标检测算法YOLOX,设计简洁性能优越
GithubMegEnginePyTorchYOLOXanchor-freeobject detection开源项目
YOLOX是一种无锚版YOLO,设计简洁,性能更优,旨在弥合研究与工业界的差距。项目基于PyTorch实现,并提供MegEngine版本。支持可视化工具、JIT编译、快速训练优化等多项更新。未来计划推出YOLOX-P6、大模型、Objects365预训练和Transformer模块等功能。通过融合ONNX、TensorRT、OpenVINO等多种部署方案,满足不同应用场景需求。
mmocr - 一个基于 PyTorch 和 mmdetection 的用于文本检测、文本识别以及相应的下游任务,包括关键信息提取的开源工具箱
GithubMMOCROpenMMLabPyTorch开源项目文本检测文本识别
MMOCR是一个基于PyTorch和mmdetection的开源工具箱,提供全面的文本检测、文本识别及信息提取解决方案。它支持多种先进模型和模块化设计,允许用户自定义优化器、数据预处理和模型组件。最新版本v1.0.0新增支持SCUT-CTW1500、SynthText和MJSynth数据集,更新了FAQ和文档,并添加了新教程笔记本。适用于PyTorch 1.6+,欢迎研究人员和开发者贡献改进。
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。

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