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 es un generador de video impulsado por audio y modelo de difusión latente de sincronización labial diseñado para sincronizar los movimientos labiales de un hablante en un video con una pista de audio objetivo. Proporciona un framework de entrenamiento de sincronización labial para desarrollar redes de sincronización en datasets personalizados de video y audio. El sistema utiliza un pipeline de preprocesamiento de video para limpiar, segmentar y alinear datos faciales. Incluye una herramienta de evaluación de sincronización visual que calcula puntuaciones de confianza para medir la precisión de la alineación de audio y video en los videos generados. El proyecto cubre capacidades para el desarrollo de redes de sincronización personalizadas, gestión de configuración de entrenamiento para memoria de hardware y resolución, y evaluación de video sintético.

Este proyecto es una colección de material didáctico de deep learning con PyTorch, que consiste en proyectos prácticos y ejercicios de programación. Se centra en la implementación de arquitecturas de redes neuronales y el entrenamiento de modelos para resolver problemas complejos de datos. El repositorio incluye una suite de proyectos de visión artificial para construir clasificadores de imágenes, autoencoders y aplicaciones de transferencia de estilo. Cuenta con un laboratorio de redes generativas antagónicas (GAN) para crear imágenes sintéticas e implementaciones específicas para transfer learning, adaptando pesos preentrenados a nuevas tareas. El código base cubre el análisis de datos secuenciales para procesamiento de lenguaje natural utilizando redes neuronales recurrentes y word embeddings. Las capacidades adicionales incluyen el preprocesamiento de datos de imagen, la evaluación del rendimiento del modelo y el despliegue de modelos entrenados en infraestructura cloud. Los materiales se presentan como una serie de Jupyter Notebooks.

Este proyecto es un recurso educativo integral sobre machine learning y una serie de tutoriales presentados como una colección de Jupyter Notebooks interactivos. Proporciona implementaciones prácticas en Python para el ciclo de vida completo del machine learning, cubriendo aprendizaje supervisado y no supervisado, deep learning y aprendizaje por refuerzo. El recurso destaca por ofrecer guías de implementación detalladas para arquitecturas complejas, incluyendo transformers, redes generativas antagónicas (GAN) y redes neuronales convolucionales. También incluye material especializado para desarrollar agentes de aprendizaje por refuerzo utilizando Q-learning y Deep Q-Networks en entornos simulados. El contenido abarca una amplia gama de capacidades de ciencia de datos, incluyendo pipelines de ingeniería de datos, codificación de características y reducción de dimensionalidad. Proporciona material extenso sobre evaluación de modelos mediante validación cruzada y métricas de diagnóstico, así como temas avanzados como procesamiento de lenguaje natural, análisis de sentimiento e IA generativa. Todo el plan de estudios está diseñado para su ejecución interactiva dentro de Jupyter Notebooks, combinando código ejecutable, texto enriquecido y visualizaciones.

Augmentor es una librería y framework de aumento de imágenes en Python diseñado para expandir datasets de machine learning. Funciona como una herramienta de preprocesamiento que genera variaciones sintéticas de imágenes para aumentar la diversidad de datos y como un streamer de datos de entrenamiento que alimenta imágenes y etiquetas aumentadas directamente en bucles de redes neuronales sin requerir almacenamiento intermedio en disco. El framework mantiene la alineación espacial entre las imágenes y sus máscaras correspondientes, lo cual es necesario para el entrenamiento de segmentación semántica. Soporta varias transformaciones geométricas y a nivel de píxel, incluyendo distorsiones elásticas, cambios de perspectiva mediante inclinación y sesgo, rotación, cizallamiento y borrado aleatorio de regiones. El sistema incluye capacidades para estrategias de procesamiento por clase para abordar el desequilibrio de datos y utiliza multi-threading para acelerar la generación paralela de datasets aumentados. También proporciona utilidades para limpiar y estandarizar archivos de imagen crudos durante la etapa de preprocesamiento.

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 es un framework de reconocimiento óptico de caracteres basado en PyTorch diseñado para entrenar y desplegar modelos de detección de texto, reconocimiento y extracción de información clave. Sirve como una caja de herramientas integral para la detección y reconocimiento de texto en escenas, proporcionando bibliotecas especializadas para localizar regiones de texto y convertir texto visual en cadenas codificadas por máquina. El proyecto se distingue por un framework de investigación para la extracción de información clave y capacidades avanzadas de detección de texto. Estas incluyen la detección basada en puntos utilizando transformers y el uso de curvas de Bezier parametrizadas para identificar y transcribir texto con formas arbitrarias. El framework cubre una amplia superficie de capacidades de visión artificial, incluyendo la gestión de pipelines de datos para aumentar y estandarizar diversos conjuntos de datos OCR, entrenamiento de modelos con escalado distribuido y evaluación del rendimiento utilizando métricas OCR estándar. También proporciona utilidades para la manipulación de polígonos geométricos y visualización de resultados para auditar predicciones contra anotaciones de verdad fundamental. El sistema está implementado en Python y admite la instalación mediante empaquetado de entorno Docker.

Este proyecto es un recurso educativo integral y un curso para construir redes neuronales usando PyTorch. Cubre los bloques de construcción fundamentales del deep learning, incluyendo la manipulación de tensores, la diferenciación automática y la construcción de componentes modulares de redes neuronales. El repositorio sirve como guía técnica para varios dominios especializados. Proporciona detalles de implementación para tareas de visión artificial como clasificación de imágenes, detección de objetos y segmentación semántica, así como flujos de trabajo de procesamiento de lenguaje natural que involucran transformers, redes recurrentes y modelos generativos. Además, incluye una referencia para IA generativa, centrándose específicamente en la síntesis de imágenes mediante modelos de difusión y redes adversarias. El material se extiende a pipelines de optimización y despliegue de modelos. Cubre técnicas para reducir el tamaño del modelo y aumentar la velocidad de inferencia mediante cuantización y la exportación de modelos a formatos como ONNX y TensorRT. Otras áreas de capacidad incluyen ingeniería de datos para carga paralela, evaluación de modelos mediante métricas personalizadas y el despliegue de modelos de lenguaje grandes (LLM) de código abierto. El proyecto se entrega principalmente como una serie de Jupyter Notebooks.

img2dataset es un pipeline de datasets de imágenes de alto rendimiento y herramienta de preprocesamiento diseñada para descargar y procesar millones de imágenes desde URLs para el entrenamiento de machine learning. Funciona como un descargador de imágenes distribuido y exportador de datos a almacenamiento en la nube, moviendo grandes datasets visuales desde fuentes web directamente a formatos estructurados. El sistema prioriza la adquisición de datos de alto rendimiento distribuyendo cargas de trabajo entre múltiples núcleos de CPU y máquinas. Se integra directamente con buckets de almacenamiento en la nube remotos y emplea un sistema de seguimiento basado en manifiestos para reanudar descargas interrumpidas sin reprocesar los datos existentes. La herramienta proporciona una suite de preprocesamiento completa para la preparación de datasets de machine learning, incluyendo redimensionamiento de imágenes, recorte y filtrado de propiedades basado en tamaño o relación de aspecto. También verifica la integridad de la imagen mediante comparación de hash y asegura el cumplimiento de las directivas de robots durante el flujo de trabajo de scraping. El proyecto está implementado en Python.

Este proyecto es una colección de algoritmos y herramientas fundamentales de machine learning implementados desde cero en Python. Sirve como una librería de implementaciones centrales para modelos de regresión, clasificación y clustering, diseñada para demostrar las estructuras matemáticas subyacentes de estos algoritmos sin depender de frameworks de machine learning de alto nivel. El proyecto se centra en la implementación manual de la lógica algorítmica, incluyendo redes neuronales con propagación hacia adelante y actualizaciones de pesos, así como varios modelos de aprendizaje supervisado y no supervisado. Utiliza NumPy para la vectorización para realizar cálculos matriciales y operaciones matemáticas en grandes datasets. El toolkit cubre una amplia gama de capacidades, incluyendo reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA) y preprocesamiento de datos para datasets numéricos y de imágenes. Las implementaciones algorítmicas abarcan regresión lineal y bayesiana, clustering K-Means y múltiples métodos de clasificación como Máquinas de Vectores de Soporte (SVM), Árboles de Decisión y K-Vecinos Más Cercanos (KNN). El proyecto se entrega como una serie de Jupyter Notebooks.

sam-hq is a collection of pre-trained vision foundation models and adapters designed for high-quality image segmentation, multimodal feature extraction, and depth estimation. It provides a zero-shot vision model capable of performing segmentation and classification across diverse domains without requiring task-specific training. The project features a high-quality image segmentation tool based on the Segment Anything Model that generates precise masks from spatial prompts. It includes a multimodal feature extractor to generate high-dimensional vector embeddings from both image and text inputs

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,