Awesome GitHub RepositoriesImage Data Preprocessing

LivePortrait is a deep learning framework for portrait animation that transfers facial expressions from a driving video to a static image. It functions as an AI motion retargeting tool, mapping movements between different identities while preserving the unique features of the source portrait. The system includes specialized capabilities for cross-species portrait animation, adapting human-centric models to non-human subjects and animals. It also features a motion template generator that converts driving videos into portable files to accelerate inference and protect the identity of the origina

FaceNet is a facial recognition framework designed to transform facial images into high-dimensional numerical embeddings for identity verification and recognition. It provides a deep learning face embedder that maps facial features into a Euclidean space where distance corresponds to facial similarity. The system includes tools for both supervised and unsupervised identity management. It features a face identity classifier for categorizing images into known identity classes and an unsupervised clustering tool to group similar facial embeddings together without predefined labels. The framewor

This project is a collection of supervised and unsupervised machine learning algorithms implemented from scratch using Python. It serves as an educational resource for studying model training, parameter optimization, and the implementation of core predictive models. The library provides a variety of supervised learning tools, including linear and logistic regression, decision trees, and support vector machines. It also features unsupervised learning capabilities for discovering patterns in unlabeled datasets through clustering algorithms. Broad capability areas include ensemble learning thro

MMSegmentation is an open-source semantic segmentation toolbox built on PyTorch that provides a modular, configurable framework for building, training, evaluating, and deploying segmentation models. At its core, it offers a config-driven pipeline that assembles training, evaluation, and inference workflows by parsing hierarchical configuration files, with a modular component registry that enables plug-and-play composition of neural network modules, optimizers, datasets, and metrics. The framework supports the full model lifecycle through a unified runner interface that controls training, testi

NSFW detection on the client-side via TensorFlow.js

mmagic is a multimodal training pipeline and framework for generative AI, focusing on visual synthesis and restoration. It provides the infrastructure to build and train models for tasks such as text-to-image and text-to-video generation, 3D-aware content synthesis, and high-fidelity image translation using diffusion models and generative adversarial networks. The project distinguishes itself through specialized capabilities for generative model personalization, including techniques for fine-tuning subjects and styles. It also supports advanced visual manipulations such as latent space interp

Anti-Anti-Spider is an automated web scraping toolkit and CAPTCHA bypass framework. It uses convolutional neural networks to recognize characters and digits in image-based security challenges, enabling programmatic access to protected web content. The project functions as an image recognition model trainer, providing a workflow to preprocess labeled image datasets and train custom neural networks. Users can configure model architectures and hyperparameters to align the recognition system with the visual style of specific target websites. The toolkit covers capabilities for image data preproc

This project is a machine learning educational resource and implementation guide for Python. It provides a collection of executable code and notebooks that demonstrate predictive modeling, data analysis workflows, and the implementation of various machine learning algorithms. The repository features practical examples of classification, regression, and clustering tasks using Scikit-Learn, alongside tutorials for building and training deep learning architectures with TensorFlow. These include implementations of convolutional and recurrent networks. The content covers a broad range of capabili

mmcv is a foundation library for computer vision based on PyTorch. It provides a comprehensive system for constructing convolutional neural networks, a toolkit for image and video preprocessing, and a collection of high-performance deep learning vision operators. The project is distinguished by its hardware-accelerated kernels for complex operations such as deformable convolutions and region pooling. It features a configuration-driven framework that allows for the dynamic instantiation of network layers and the registration of custom modules without modifying code. The library covers a broad

LatentSync هو مولد فيديو مدفوع بالصوت ونموذج مزامنة شفاه انتشار كامن مصمم لمزامنة حركات شفاه المتحدث في فيديو مع مسار صوتي مستهدف. يوفر إطار عمل تدريب لمزامنة الشفاه لتطوير شبكات المزامنة على مجموعات بيانات فيديو وصوت مخصصة. يستخدم النظام خط أنابيب معالجة فيديو مسبقة لتنظيف، وتقسيم، ومحاذاة بيانات الوجه. ويتضمن أداة تقييم مزامنة مرئية تحسب درجات الثقة لقياس دقة محاذاة الصوت والمرئيات في مقاطع الفيديو التي تم إنشاؤها. يغطي المشروع إمكانات لتطوير شبكة مزامنة مخصصة، وإدارة تكوين التدريب لذاكرة الأجهزة والدقة، وتقييم الفيديو الاصطناعي.

This project is a collection of PyTorch deep learning courseware consisting of practical projects and programming exercises. It focuses on implementing neural network architectures and model training to solve complex data problems. The repository includes a computer vision project suite for building image classifiers, autoencoders, and style transfer applications. It features a generative adversarial network lab for creating synthetic images and specific implementations for transfer learning to adapt pre-trained weights to new tasks. The codebase covers sequential data analysis for natural l

هذا المشروع عبارة عن مورد تعليمي شامل لتعلم الآلة وسلسلة دروس مقدمة كمجموعة من دفاتر Jupyter التفاعلية. يوفر تطبيقات عملية بلغة Python لدورة حياة تعلم الآلة بالكامل، مغطياً التعلم الخاضع للإشراف وغير الخاضع للإشراف، والتعلم العميق، والتعلم التعزيزي. يتميز المورد بتقديم أدلة تنفيذ مفصلة لمعماريات معقدة، بما في ذلك المحولات (transformers)، والشبكات التنافسية التوليدية (GANs)، والشبكات العصبية التلافيفية (CNNs). كما يتضمن دورات متخصصة لتطوير وكلاء التعلم التعزيزي باستخدام Q-learning وDeep Q-Networks داخل بيئات محاكاة. يغطي المحتوى نطاقاً واسعاً من قدرات علم البيانات، بما في ذلك خطوط أنابيب هندسة البيانات، وترميز الميزات، وتقليل الأبعاد. كما يوفر مواد مكثفة حول تقييم النماذج من خلال التحقق المتقاطع والمقاييس التشخيصية، بالإضافة إلى مواضيع متقدمة مثل معالجة اللغات الطبيعية، وتحليل المشاعر، والذكاء الاصطناعي التوليدي. تم تصميم المنهج بالكامل للتنفيذ التفاعلي داخل دفاتر Jupyter، حيث يجمع بين الكود القابل للتنفيذ والنصوص الغنية والمرئيات.

Augmentor هي مكتبة وإطار عمل لتعزيز الصور بلغة Python مصمم لتوسيع مجموعات بيانات التعلم الآلي. تعمل كأداة معالجة مسبقة تولد تنويعات صور اصطناعية لزيادة تنوع البيانات، وكأداة بث لبيانات التدريب التي تغذي الصور المعززة والتسميات مباشرة في حلقات الشبكة العصبية دون الحاجة إلى تخزين قرص وسيط. يحافظ إطار العمل على المحاذاة المكانية بين الصور والأقنعة المقابلة لها، وهو أمر مطلوب لتدريب التجزئة الدلالية. ويدعم تحويلات هندسية وعلى مستوى البكسل متنوعة، بما في ذلك التشوهات المرنة، وتحولات المنظور عبر الإمالة، والتدوير، والقص، ومسح المناطق العشوائي. يتضمن النظام إمكانيات لاستراتيجيات المعالجة لكل فئة لمعالجة عدم توازن البيانات، ويستخدم تعدد الخيوط لتسريع التوليد المتوازي لمجموعات البيانات المعززة. كما يوفر أدوات لتنظيف وتوحيد ملفات الصور الخام خلال مرحلة المعالجة المسبقة.

This is an image segmentation framework and masking toolkit for constructing binary and multi-class neural network architectures. It serves as a deep learning encoder wrapper that integrates pre-trained convolutional neural network architectures into semantic segmentation models. The library enables the use of pre-trained backbones to isolate complex patterns and leverages transfer learning to accelerate training. It provides a collection of overlap-based loss functions and precision metrics specifically designed to evaluate and refine the accuracy of image masks. The toolkit covers the full

mmocr هو إطار عمل للتعرف الضوئي على الحروف (OCR) يعتمد على PyTorch مصمم لتدريب ونشر نماذج اكتشاف النصوص، والتعرف عليها، واستخراج المعلومات الرئيسية. يعمل كصندوق أدوات شامل لاكتشاف والتعرف على نصوص المشاهد، حيث يوفر مكتبات متخصصة لتحديد مناطق النص وتحويل النص المرئي إلى سلاسل مشفرة آلياً. يتميز المشروع بإطار عمل بحثي لاستخراج المعلومات الرئيسية وقدرات متقدمة لتحديد النصوص. تشمل هذه القدرات التحديد القائم على النقاط باستخدام المحولات (Transformers) واستخدام منحنيات Bezier ذات المعلمات لتحديد ونسخ النصوص ذات الأشكال التعسفية. يغطي إطار العمل سطحاً واسعاً من قدرات الرؤية الحاسوبية، بما في ذلك إدارة خط أنابيب البيانات لزيادة وتوحيد مجموعات بيانات OCR المتنوعة، وتدريب النماذج مع التوسع الموزع، وتقييم الأداء باستخدام مقاييس OCR القياسية. كما يوفر أدوات لمعالجة المضلعات الهندسية وتصور النتائج لتدقيق التنبؤات مقابل تعليقات الحقيقة الأرضية. يتم تنفيذ النظام بلغة Python ويدعم التثبيت عبر تغليف بيئة Docker.

هذا المشروع عبارة عن مورد تعليمي شامل ودورة تدريبية لبناء الشبكات العصبية باستخدام PyTorch. يغطي اللبنات الأساسية للتعلم العميق، بما في ذلك معالجة الموترات (tensors)، والتمايز التلقائي، وبناء مكونات الشبكة العصبية المعيارية. يعمل المستودع كدليل تقني للعديد من المجالات المتخصصة. يوفر تفاصيل تنفيذ لمهام رؤية الكمبيوتر مثل تصنيف الصور، واكتشاف الكائنات، والتجزئة الدلالية، بالإضافة إلى سير عمل معالجة اللغات الطبيعية التي تتضمن المحولات (transformers)، والشبكات المتكررة، والنماذج التوليدية. بالإضافة إلى ذلك، يتضمن مرجعاً للذكاء الاصطناعي التوليدي، مع التركيز بشكل خاص على تركيب الصور عبر نماذج الانتشار (diffusion models) والشبكات التنافسية. تمتد المادة إلى تحسين النماذج وخطوط أنابيب النشر. تغطي تقنيات لتقليل حجم النموذج وزيادة سرعة الاستنتاج من خلال التكميم (quantization) وتصدير النماذج إلى تنسيقات مثل ONNX وTensorRT. تشمل مجالات القدرة الأخرى هندسة البيانات للتحميل المتوازي، وتقييم النموذج باستخدام مقاييس مخصصة، ونشر نماذج اللغات الكبيرة مفتوحة المصدر. يتم تقديم المشروع بشكل أساسي كسلسلة من دفاتر Jupyter.

img2dataset هو خط معالجة عالي الأداء لمجموعات بيانات الصور وأداة معالجة مسبقة مصممة لتنزيل ومعالجة ملايين الصور من روابط URL لتدريب تعلم الآلة. يعمل كأداة تنزيل صور موزعة ومصدر بيانات للتخزين السحابي، حيث ينقل مجموعات البيانات البصرية الكبيرة من مصادر الويب مباشرة إلى تنسيقات مهيكلة. يعطي النظام الأولوية للحصول على البيانات ذات الإنتاجية العالية من خلال توزيع أحمال العمل عبر أنوية CPU متعددة وأجهزة متعددة. يتكامل مباشرة مع حاويات التخزين السحابي البعيدة ويستخدم نظام تتبع قائماً على البيان (manifest-based) لاستئناف التنزيلات المتقطعة دون إعادة معالجة البيانات الموجودة. توفر الأداة مجموعة معالجة مسبقة كاملة لإعداد مجموعات بيانات تعلم الآلة، بما في ذلك تغيير حجم الصور، والقص، وترشيح الخصائص بناءً على الحجم أو نسبة العرض إلى الارتفاع. كما تتحقق من سلامة الصور عبر مقارنة الهاش (hash) وتضمن الامتثال لتوجيهات الروبوتات أثناء سير عمل الكشط (scraping). تم تنفيذ المشروع بلغة Python.

هذا المشروع عبارة عن مجموعة من خوارزميات تعلم الآلة الأساسية والأدوات المنفذة من الصفر بلغة Python. يعمل كمكتبة للتنفيذات الأساسية لنماذج الانحدار والتصنيف والتجميع، مصممة لإظهار الهياكل الرياضية الأساسية لهذه الخوارزميات دون الاعتماد على أطر عمل تعلم الآلة عالية المستوى. يركز المشروع على التنفيذ اليدوي للمنطق الخوارزمي، بما في ذلك الشبكات العصبية مع الانتشار الأمامي وتحديثات الأوزان، بالإضافة إلى نماذج تعلم متنوعة خاضعة للإشراف وغير خاضعة للإشراف. يستخدم NumPy للتحويل المتجهي لإجراء حسابات المصفوفات والعمليات الرياضية على مجموعات البيانات الكبيرة. تغطي مجموعة الأدوات مجموعة واسعة من القدرات، بما في ذلك تقليل الأبعاد عبر تحليل المكونات الرئيسية (PCA) والمعالجة المسبقة للبيانات لمجموعات البيانات الرقمية والصورية. تمتد التنفيذات الخوارزمية عبر الانحدار الخطي والبايزي، وتجميع K-Means، وطرق تصنيف متعددة مثل آلات ناقل الدعم (SVM)، وأشجار القرار، و K-Nearest Neighbors. يتم تسليم المشروع كسلسلة من دفاتر Jupyter.

sam-hq هي مجموعة من نماذج أساس الرؤية المدربة مسبقاً والمحولات المصممة لتجزئة الصور عالية الجودة، واستخراج الميزات متعددة الوسائط، وتقدير العمق. توفر نموذج رؤية صفري (zero-shot) قادراً على إجراء التجزئة والتصنيف عبر مجالات متنوعة دون الحاجة إلى تدريب خاص بالمهمة. يتميز المشروع بأداة تجزئة صور عالية الجودة تعتمد على Segment Anything Model التي تولد أقنعة دقيقة من توجيهات مكانية. يتضمن مستخرج ميزات متعدد الوسائط لتوليد تضمينات متجهة عالية الأبعاد من مدخلات الصور والنصوص، بالإضافة إلى أداة التفافية للتنبؤ بالمسافة أو ارتفاع المظلة من البيانات البصرية. يغطي إطار العمل مجموعة واسعة من قدرات الرؤية الحاسوبية، بما في ذلك تصنيف الصور، واستخراج الميزات متعددة الدقة، ومعالجة الصور مسبقاً. يدعم التكيف مع المجال من خلال الضبط الدقيق على مجموعات بيانات مخصصة للتطبيقات المتخصصة مثل التصوير الطبي والاستشعار عن بُعد. يمكن تحويل فك تشفير القناع إلى تنسيق مفتوح للتنفيذ في بيئات ذات بيئة تشغيل قياسية.

ExecuTorch is a lightweight C++ runtime for deploying PyTorch models on mobile, embedded, and edge hardware. It provides an ahead-of-time compilation pipeline that exports, quantizes, and lowers model graphs into compact serialized programs, then executes them through a minimal runtime with hardware acceleration and on-device large language model inference capabilities. The project distinguishes itself through a hardware accelerator delegate system that partitions model subgraphs and offloads computation to specialized backends including NPUs, GPUs, and DSPs from Apple, Arm, Intel, MediaTek,