3 مستودعات
Awesome GitHub RepositoriesFully Convolutional Architectures
Neural network designs that output spatial maps instead of single labels.
Distinguishing note: No existing candidates; focuses on spatial output architectures.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Fully Convolutional Architectures. Refine with filters or upvote what's useful.
Awesome Fully Convolutional Architectures GitHub Repositories
اعثر على أفضل المستودعات باستخدام الذكاء الاصطناعي.سنبحث عن أفضل المستودعات المطابقة باستخدام الذكاء الاصطناعي.
- d2l-ai/d2l-en
d2l-ai/d2l-en
29,001عرض على GitHubThis project is an educational platform and research toolkit designed to teach deep learning through a combination of mathematical theory, visual diagrams, and executable code. It provides a comprehensive environment for building, training, and evaluating neural networks, grounding complex concepts in interactive computational notebooks that allow for hands-on experimentation. The framework distinguishes itself by interleaving theoretical foundations—including linear algebra, calculus, and probability—with practical implementations across multiple industry-standard libraries. It supports flex
Constructs pixel-level classification models by combining feature extraction with spatial restoration layers.
Pythonbookcomputer-visiondata-science - tensorpack/tensorpack
tensorpack/tensorpack
6,287عرض على GitHubTensorpack هو إطار عمل شبكة عصبية TensorFlow عالي المستوى ومكتبة بحثية مصممة لبناء وتدريب نماذج التعلم العميق. يوفر مجموعة من بنيات الشبكات العصبية القابلة للتكرار للرؤية الحاسوبية، والمهام التوليدية، والتعلم التعزيزي، ومعالجة اللغات الطبيعية. يتميز المشروع بخط معالجة بيانات تعلم عميق متخصص يستخدم Python الخالص لتحميل البيانات المتوازي والبث. ويتضمن منسق تدريب متعدد وحدات GPU لتوزيع أعباء العمل عبر استراتيجيات موازية للبيانات ومجموعة أدوات قابلية تفسير مخصصة لتصور خرائط بروز وتنشيط النموذج. يغطي إطار العمل مجموعة واسعة من القدرات، بما في ذلك خطوط معالجة الرؤية الحاسوبية لاكتشاف الكائنات والتجزئة الدلالية، ونمذجة التسلسل للكلام والنص، وتطوير وكيل التعلم التعزيزي. كما يوفر أدوات تحسين النموذج لتكميم الأوزان والتدريب منخفض البت، إلى جانب مرافق لإعادة إنتاج الأوراق البحثية الأكاديمية وتحويل أوزان نموذج Caffe القديمة.
Produces dense pixel-level predictions for edge detection and semantic segmentation using fully-convolutional architectures.
Python - dbolya/yolact
dbolya/yolact
5,231عرض على GitHubYolact هو إطار عمل للرؤية الحاسوبية ونموذج تجزئة مثيل في الوقت الفعلي. يستخدم شبكة عصبية تلافيفية بالكامل لاكتشاف الكائنات وإنشاء أقنعة على مستوى البكسل للصور وتدفقات الفيديو. يستخدم النظام توليد أقنعة نموذجية لإنشاء نماذج أقنعة عالمية يتم دمجها خطياً للحصول على نتائج خاصة بالمثيل. يدمج طبقات تلافيفية قابلة للتشوه وتجميع مناطق الاهتمام القابلة للتشوه لتكييف أخذ العينات المكانية مع الأشكال غير المنتظمة للكائنات. يغطي إطار العمل دورة حياة تطوير النموذج بالكامل، بما في ذلك التدريب على مجموعات بيانات مخصصة، وتقييم الدقة باستخدام متوسط الدقة (mAP)، واستخدام التدريب الموزع متعدد وحدات معالجة الرسومات لتوسيع سرعة المعالجة. كما يوفر أدوات معالجة الوسائط لتطبيق أقنعة التجزئة على الصور وتصدير ملفات الفيديو المشروحة. يتضمن المشروع أدوات استمرارية الحالة لإدارة نقاط التحقق واستئناف التدريب، إلى جانب التسجيل لتسجيل المقاييس وقيم الخسارة.
Employs a fully convolutional architecture to produce pixel-level masks and bounding boxes without fully connected layers.
Python
