awesome-repositories.com
Blog
awesome-repositories.com

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

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

1 repositorio

Awesome GitHub RepositoriesNumpy Bitmap Access

Retrieving rasterized drawing data formatted as NumPy arrays for ML models.

Distinct from Bitmap Rendering: Focuses on the numpy data structure for ML access rather than general rendering or file serialization.

Explore 1 awesome GitHub repository matching graphics & multimedia · Numpy Bitmap Access. Refine with filters or upvote what's useful.

Awesome Numpy Bitmap Access GitHub Repositories

Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
  • googlecreativelab/quickdraw-datasetAvatar de googlecreativelab

    googlecreativelab/quickdraw-dataset

    6,777Ver en GitHub↗

    Este proyecto es un dataset a gran escala de bocetos dibujados a mano, que proporciona millones de dibujos vectoriales y mapas de bits con marca de tiempo para entrenar modelos de machine learning. Sirve como corpus de entrenamiento para visión artificial y dataset de redes neuronales, consistiendo en bocetos humanos categorizados utilizados para desarrollar algoritmos de clasificación y reconocimiento de imágenes. El dataset está disponible como un corpus de dibujos vectoriales que presenta secuencias trazo a trazo y metadatos, así como arrays de numpy procesados. Estos recursos apoyan el desarrollo de clasificadores de dibujos y el estudio de patrones de dibujo humano. Los datos se proporcionan en múltiples formatos, incluyendo datos vectoriales crudos en JSON delimitado por nuevas líneas, secuencias vectoriales normalizadas y mapas de bits en escala de grises. Incluye capacidades para particionamiento basado en categorías y escalado de coordenadas para asegurar la consistencia entre diferentes muestras.

    Retrieves drawings rendered as grayscale bitmaps in a numpy format for use with image-based neural networks.

    Ver en GitHub↗6,777
  1. Home
  2. Graphics & Multimedia
  3. Bitmap Rendering
  4. Numpy Bitmap Access