Awesome GitHub RepositoriesFeature Descriptor Computation

This repository contains programming assignments and lecture notes from Andrew Ng's foundational deep learning course specialization on Coursera. The materials cover core neural network training techniques including optimization algorithms, normalization methods, regularization approaches, parameter initialization strategies, and learning rate scheduling to improve model convergence and generalization. The coursework explores design principles where successive neural network layers learn progressively more abstract feature representations from input data. It provides guidance on selecting ope

GoCV is a computer vision library and Go language binding for OpenCV. It serves as an image processing toolkit and deep learning inference engine, providing programmatic access to a wide range of algorithms for image manipulation, object detection, and video analysis. The project differentiates itself through high-performance native bindings and hardware acceleration. It utilizes a foreign function interface to map Go calls to C++ functions and includes a hardware-agnostic backend dispatch to route neural network tasks to computation engines such as CUDA and OpenVINO. The library covers a br

DeepSORT es un framework de seguimiento de múltiples objetos en tiempo real diseñado para mantener identidades consistentes de múltiples objetos a través de fotogramas de video. Integra características de apariencia de aprendizaje profundo con descriptores de movimiento para rastrear objetos a través de una secuencia de datos de video. El sistema utiliza una red neuronal convolucional profunda para generar descriptores visuales de alta dimensión para la reidentificación de personas. Estas características de apariencia se combinan con la estimación de movimiento mediante filtrado de Kalman y se resuelven utilizando el algoritmo húngaro para asociar de manera óptima las detecciones con los seguimientos existentes. El framework incluye capacidades para el filtrado de asociaciones basado en gating y la gestión de seguimientos basada en estados para manejar los ciclos de vida de los objetos. También proporciona herramientas para renderizar resultados de seguimiento en fotogramas de video y evaluar el rendimiento del seguimiento frente a benchmarks establecidos.

OpenCVSharp is a .NET library that wraps native OpenCV functions, providing C# developers with access to OpenCV's computer vision capabilities through an API that mirrors the native C/C++ style. It serves as a managed wrapper for image processing, feature detection, object detection, and image manipulation tasks, while also handling automatic disposal of unmanaged OpenCV resources like Mat objects to prevent memory leaks in .NET applications. The library enables keypoint detection and descriptor extraction using algorithms such as AKAZE, BRISK, or FAST, with brute-force or FLANN-based matchin

ArrayFire es un framework de computación agnóstico al hardware y un motor de tensores compilado JIT diseñado para la computación numérica de alto rendimiento. Sirve como una biblioteca de computación numérica en GPU y un kit de herramientas de procesamiento de señales paralelo que abstrae los backends de hardware, permitiendo que el mismo código base se ejecute en diversas arquitecturas de GPU y CPUs. El proyecto se distingue por un motor JIT que utiliza la compilación de expresiones para fusionar operaciones y minimizar la sobrecarga de memoria. Emplea un grafo de ejecución diferida para optimizar las cadenas de cálculo y proporciona primitivas de interoperabilidad para compartir datos y contextos de ejecución con plataformas de computación externas como CUDA y OpenCL. La biblioteca cubre una amplia gama de capacidades, incluyendo álgebra lineal paralela, procesamiento digital de señales y visión artificial acelerada. Proporciona herramientas para la implementación de aprendizaje automático, simulación de modelos financieros y la resolución de ecuaciones diferenciales parciales para simulaciones de sistemas físicos. Su sistema de gestión de tensores maneja la asignación de matrices multidimensionales, el corte (slicing) y las transferencias de datos entre host y dispositivo.

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.

Vim is a state space model vision framework designed for image classification and visual representation learning. It functions as a computer vision research tool that converts two-dimensional image grids into one-dimensional sequences to extract spatial features. The system implements a linear-scaling image classifier that replaces quadratic attention mechanisms with state space operations. This approach utilizes bidirectional sequence modeling and selective gating mechanisms to process visual data. The framework covers computer vision benchmarking and image classification research, providin