Project Icon

FocalNet

突破注意力机制的新型视觉模型架构

FocalNet是一种创新的视觉模型架构,无需使用注意力机制。其核心的焦点调制技术在多项视觉任务中超越了现有的自注意力方法。该模型在ImageNet分类和COCO检测等基准测试中表现优异,同时保持了高效简洁的实现。FocalNet具有平移不变性、强输入依赖性等特点,为计算机视觉领域提供了一种全新的建模思路。

facenet - 基于TensorFlow的高精度面部识别开源项目
FaceNetGithubInception ResNet v1TensorFlow人脸识别开源项目预训练模型
FaceNet,一个基于TensorFlow的开源面部识别项目,采用最新的深度学习技术和数据集(如CASIA-WebFace和VGGFace2)开发。其准确率可达99.65%,并使用MTCNN进行高效的面部对齐。适合需求高级面部识别技术的开发者和科研人员。
CustomNet - 创新的物体定制与多视角生成扩散模型
CustomNetGithub对象定制开源项目文本生成图像深度学习视角控制
CustomNet是一个创新的文本到图像扩散模型框架,专注于物体定制和多视角生成。该模型整合了3D新视角合成能力,实现物体空间位置和视角的灵活调整,同时保持物体身份。CustomNet无需测试时优化,可同时控制视角、位置和文本,在身份保持、多样性和协调性方面表现出色。这一技术为物体定制和图像生成领域开辟了新的可能性。
attention-ocr - 基于注意力机制的视觉OCR模型,实现与导出工具
Attention-OCRGithubOCRTensorflow人工智能图像识别开源项目
该项目提供了基于注意力机制的OCR模型,结合了CNN与LSTM,用于图像识别,并能够导出为SavedModel或frozen graph格式。用户可以通过生成TFRecords数据集、训练、测试及可视化等步骤完整运行该OCR系统。项目还支持通过Tensorflow Serving提供REST API服务,并可以在Google Cloud ML Engine上进行模型训练。目前该项目依赖Tensorflow 1.x,未来计划升级到Tensorflow 2。
VanillaNet - 高效简约的深度学习神经网络架构
GithubVanillaNet开源项目模型效率深度学习神经网络计算机视觉
VanillaNet是一种创新的神经网络架构,专注于简洁性和效率。它摒弃了复杂的快捷连接和注意力机制,仅使用较少的层数就能保持出色的性能。该项目展示了精简架构也能实现有效结果,为计算机视觉领域开辟了新路径,挑战了基础模型的现状。与主流模型相比,VanillaNet在保持相当性能的同时,具有更少的层数和更快的推理速度。
efficientnet-b0 - EfficientNet的复合系数法在资源有限设备上提升图像分类效果
EfficientNetGithubHuggingfaceImageNet卷积神经网络图像分类开源项目模型模型缩放
EfficientNet是一种训练于ImageNet-1k数据集、分辨率为224x224的卷积模型。该模型提出了复合系数方法,以均衡缩放模型的深度、宽度和分辨率。在移动设备上表现卓越,适用于图像分类。同时,用户可在Hugging Face平台上获取特定任务的微调版本。
External-Attention-pytorch - 注意力机制和主干网络的PyTorch实现合集
AttentionFightingCVGithub代码库开源项目深度学习计算机视觉
该项目提供了多种注意力机制和主干网络的PyTorch实现代码。涵盖External Attention、Self Attention、Squeeze-and-Excitation等注意力机制,以及ResNet、MobileViT等主干网络。代码结构清晰,注释详细,既可帮助初学者理解核心原理,也可作为科研和工业应用的可复用组件。项目适合深度学习爱好者学习和实际使用。
nfnet_l0.ra2_in1k - 轻量级NFNet模型:无需规范化层的高效图像识别
GithubHuggingfaceImageNet-1kNFNettimm图像分类开源项目模型特征提取
nfnet_l0.ra2_in1k是一种创新的轻量级NFNet图像分类模型,摒弃了传统的规范化层。它通过Scaled Weight Standardization和策略性放置的标量增益,实现了高效的大规模图像识别。基于ImageNet-1k数据集训练,该模型拥有3510万参数,适用于图像分类、特征提取和嵌入任务。这种无需常规规范化层的设计,为高性能图像处理提供了新的可能。
Far3D - 突破远距离3D目标检测的新框架,提升环视感知能力
3D目标检测Far3DGithub开源项目深度学习自动驾驶计算机视觉
这是一个创新的稀疏查询框架,专注于解决远距离3D目标检测问题。该项目通过2D目标先验生成自适应3D查询,并利用透视感知聚合模块处理多视角和多尺度特征。还开发了范围调制的3D去噪技术,有效解决了查询错误传播和收敛问题。在Argoverse 2和nuScenes数据集上,展现出优异的性能,推动了环视3D目标检测技术的发展。
NATTEN - 高效实现多维滑动窗口自注意力的开源库
GithubNATTENNeighborhood Attention开源项目深度学习自注意力机制计算机视觉
NATTEN是一个开源库,专门用于快速实现Neighborhood Attention。该项目支持1D、2D和3D问题空间,提供naive、GEMM以及新型Fused Neighborhood Attention (FNA)等多种后端实现。FNA引入反向传播支持,显著提高了模型训练效率。NATTEN兼容PyTorch 2.0及更高版本,同时支持CPU和CUDA后端,并实现了因果掩码、可变参数和相对位置偏置等功能。
RevCol - 多任务计算机视觉的新型架构
GithubRevCol图像分类开源项目目标检测计算机视觉语义分割
RevCol是一种新型神经网络架构,采用多个子网络(列)通过多层可逆连接组成。作为基础模型骨干,RevCol适用于图像分类、目标检测和语义分割等计算机视觉任务。该架构在ImageNet等基准测试中表现优异,项目提供了训练和评估代码,以及多个数据集上的预训练模型权重,方便研究人员进行进一步探索。
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