Project Icon

solo-learn

使用自监督学习进行无监督视觉表征的方法与技巧

solo-learn库基于PyTorch Lightning,提供多种自监督方法用于无监督视觉表征学习。该库包含全面的训练技巧和多种数据处理、评估方式,以提高训练效果和可重复性。其主要特点有快速的数据处理、自定义模型检查点、线上和线下的K-NN评估。库内包含灵活的数据增强、可视化功能,并不断更新方法和改进教程,使模型训练和调试更加高效简便。

byol-pytorch - 实现超越SimCLR的简化自监督学习新方法
BYOLGithubPyTorchUNLABELLED_IMAGE_DATA图像处理开源项目自监督学习
这个开源项目提供了一种无需对比学习和负样本分配的自监督学习方法,其性能超过了SimCLR。它支持轻松集成任何基于图像的神经网络,并利用未标记数据提升模型性能。该项目还支持批量规范化和组规范化替代方案,适用于定制化和分布式训练。
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。
awesome-self-supervised-learning - 自监督学习资源精选与理论实用指南
Github人工智能对比学习开源项目深度学习自监督学习视觉特征学习
精选自监督学习资源,覆盖理论研究与各领域实际应用,如计算机视觉、机器学习等。本项目常更新,已成为AI领域必备的研究与教学资源。
handson-unsupervised-learning - Python实现无监督学习的实用指南
GithubPythonTensorFlowscikit-learn开源项目无监督学习机器学习
该项目为Python无监督学习提供实践指南,介绍scikit-learn和TensorFlow框架处理未标记数据的方法。涵盖聚类、降维、生成模型等算法,并提供代码示例。项目包含Windows、macOS环境配置说明,支持GPU加速。内容涉及模式发现、异常检测、自动特征工程等应用,适合机器学习从业者参考学习。
pytorch-lightning - 深度学习框架的全方位AI模型训练与部署解决方案
AI模型训练GithubLightning FabricPyTorch Lightning开源项目模型部署深度学习热门
深度学习框架Pytorch-Lightning 2.0版本现已推出,提供清晰稳定的API,支持AI模型的预训练、微调和部署。该框架轻松实现Pytorch代码组织,将科学研究与工程实现分离,帮助研究人员和工程师高效进行模型训练与部署。通过提供各种训练和部署选项以及兼容多种硬件和加速器,Pytorch-Lightning兼顾模型的灵活性和可扩展性,适应从初学者到专业AI研究的不同需求。
sc_depth_pl - 通过自我监督学习实现视频中的单目深度估计
ARNGithubSC-Depthmonocular depthpytorchself-supervised learning开源项目
SC-Depth项目提供了SC-DepthV1, V2和V3版本的PyTorch Lightning实现,专注于从视频中进行自我监督的单目深度估计。SC-DepthV1引入了几何一致性损失和自发现蒙板,提高了深度预测的准确性。SC-DepthV2通过引入自动矫正网络(ARN)解决了手持相机视频中大相对旋转的问题。SC-DepthV3利用外部预训练的深度估计网络,在动态场景中显著提升了单目深度估计的准确性。该项目提供了详细的安装指南、数据集组织和训练流程,支持多种数据集和自定义数据的训练。了解更多关于SC-Depth的详细信息以及其在多个挑战性数据集上的评估结果。
SOLO - 无框的实例分割算法,可直接输出实例掩码和类别概率,并具备高质量掩码预测和顶级性能
GithubResNet-101SOLOSOLOv2开源项目目标分割高质量遮罩预测
SOLO项目实现了SOLO和SOLOv2两种完全无框的实例分割算法,可直接输出实例掩码和类别概率,并具备高质量掩码预测和顶级性能。该项目基于mmdetection,支持多GPU和单GPU训练,并提供多种预训练模型下载,包括轻量级模型。对于研究人员来说,这些工具显著提高了分割精度和训练速度,适用于各种应用场景。
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。
EasyCV - 基于PyTorch的全能计算机视觉工具箱,支持自监督学习和Transformer模型
EasyCVGithubPyTorch图像分类开源项目目标检测自监督学习
EasyCV是基于PyTorch的全能计算机视觉工具箱,专注于自监督学习、Transformer模型和主要视觉任务,包括图像分类、度量学习、目标检测和姿态估计。该工具箱提供了最先进的自监督算法如SimCLR、MoCO V2、Swav、DINO和基于掩码图像建模的MAE。它拥有简单综合的推理接口,并支持多种预训练模型。EasyCV支持多GPU和多工作者训练,利用DALI优化数据处理,使用TorchAccelerator和fp16加速训练,并通过PAI-Blade优化推理性能。
awesome-graph-self-supervised-learning - 自监督学习在图数据中的应用及方法综述
Contrastive LearningGenerative LearningGithubGraph RepresentationPredictive LearningSelf-Supervised Learning开源项目
展示全面的自监督图表示学习资源,包括对比学习、生成学习和预测学习三种主要方法。本页面介绍了各类自监督学习方法在图数据中的应用、训练策略和具体实现,帮助AI研究者掌握最新技术。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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