awesome-repositories.com
Blog
MCP
awesome-repositories.com

Descubre los mejores repositorios open-source con nuestra búsqueda potenciada por IA.

ExplorarBúsquedas curadasAlternativas open-sourceSoftware autohospedableBlogMapa del sitio
ProyectoServidor MCPAcerca deCómo clasificamosPrensa
Aviso legalPrivacidadTérminos
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repositorio

Awesome GitHub RepositoriesClassification Feature Engineering

Creation of image features specifically for use with predictive modeling and classification algorithms.

Distinct from Computer Vision Features: Focuses on engineering features for tabular classifiers like gradient boosting, rather than general visual pattern extraction for detection.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · Classification Feature Engineering. Refine with filters or upvote what's useful.

Awesome Classification Feature Engineering GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • bnsreenu/python_for_microscopistsAvatar de bnsreenu

    bnsreenu/python_for_microscopists

    4,402Ver en GitHub↗

    Este proyecto es un kit de herramientas de bioimagen y suite de análisis en Python, diseñado para procesar y analizar imágenes de microscopía y médicas. Proporciona una colección de herramientas para la cuantificación de imágenes, segmentación de imágenes médicas y flujos de trabajo generales de bioimagen. La suite incluye capacidades especializadas para cuantificar datos biológicos, como medir la complejidad de ramificación neuronal mediante análisis de Sholl, calcular distribuciones de tamaño de partículas y rastrear el área de heridas en ensayos de scratch. También cuenta con una librería de segmentación de imágenes médicas que implementa arquitecturas U-Net para aislar estructuras anatómicas en datos 3D y utiliza redes generativas antagónicas (GANs) para crear imágenes científicas sintéticas para el aumento de datasets. En términos generales, el proyecto cubre primitivas de procesamiento de imágenes, incluyendo reducción de ruido, mejora de contraste y transformaciones morfológicas. Proporciona utilidades de gestión de datasets para convertir anotaciones entre formatos COCO, YOLO y máscaras binarias, así como herramientas de machine learning para entrenar redes neuronales e implementar transferencia de pesos basada en autoencoders. Los flujos de trabajo de análisis se proporcionan como una serie de Jupyter Notebooks interactivos.

    Creates image features optimized for predictive modeling and classification using gradient boosting machines.

    Jupyter Notebook
    Ver en GitHub↗4,402
  1. Home
  2. Artificial Intelligence & ML
  3. Computer Vision Features
  4. Classification Feature Engineering