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 एक ऑडियो-ड्रिवन वीडियो जनरेटर और लेटेंट डिफ़्यूज़न लिप सिंक मॉडल है जिसे वीडियो में स्पीकर के होंठों की गतिविधियों को टारगेट ऑडियो ट्रैक के साथ सिंक्रोनाइज़ करने के लिए डिज़ाइन किया गया है। यह कस्टम वीडियो और ऑडियो डेटासेट पर सिंक्रोनाइज़ेशन नेटवर्क विकसित करने के लिए एक लिप सिंक्रोनाइज़ेशन ट्रेनिंग फ़्रेमवर्क प्रदान करता है। यह सिस्टम फेस डेटा को साफ़ करने, सेगमेंट करने और संरेखित करने के लिए एक वीडियो प्रीप्रोसेसिंग पाइपलाइन का उपयोग करता है। इसमें एक विज़ुअल सिंक मूल्यांकन टूल शामिल है जो जेनरेट किए गए वीडियो में ऑडियो और विज़ुअल संरेखण की सटीकता को मापने के लिए कॉन्फ़िडेंस स्कोर की गणना करता है। यह प्रोजेक्ट कस्टम सिंक्रोनाइज़ेशन नेटवर्क विकास, हार्डवेयर मेमोरी और रिज़ॉल्यूशन के लिए ट्रेनिंग कॉन्फ़िगरेशन मैनेजमेंट और सिंथेटिक वीडियो मूल्यांकन के लिए क्षमताओं को कवर करता है।

यह प्रोजेक्ट PyTorch डीप लर्निंग कोर्सवेयर का एक संग्रह है जिसमें व्यावहारिक प्रोजेक्ट्स और प्रोग्रामिंग अभ्यास शामिल हैं। यह जटिल डेटा समस्याओं को हल करने के लिए न्यूरल नेटवर्क आर्किटेक्चर और मॉडल ट्रेनिंग को लागू करने पर केंद्रित है। रिपॉजिटरी में इमेज क्लासिफ़ायर्स, ऑटोएनकोडर्स और स्टाइल ट्रांसफ़र एप्लिकेशन बनाने के लिए एक कंप्यूटर विज़न प्रोजेक्ट सुइट शामिल है। इसमें सिंथेटिक इमेजेस बनाने के लिए एक जेनरेटिव एडवरसैरियल नेटवर्क लैब और नए कार्यों के लिए प्री-ट्रेंड वेट्स को अनुकूलित करने के लिए ट्रांसफ़र लर्निंग के लिए विशिष्ट कार्यान्वयन शामिल हैं। कोडबेस रिकरेंट न्यूरल नेटवर्क और वर्ड एम्बेडिंग्स का उपयोग करके नेचुरल लैंग्वेज प्रोसेसिंग के लिए अनुक्रमिक डेटा विश्लेषण को कवर करता है। अतिरिक्त क्षमताओं में इमेज डेटा प्रीप्रोसेसिंग, मॉडल परफ़ॉर्मेंस इवैल्यूएशन और प्रशिक्षित मॉडल्स को क्लाउड इंफ्रास्ट्रक्चर पर डिप्लॉय करना शामिल है। सामग्री Jupyter Notebooks की एक श्रृंखला के रूप में प्रदान की जाती है।

यह प्रोजेक्ट एक व्यापक मशीन लर्निंग शैक्षिक संसाधन और ट्यूटोरियल श्रृंखला है जिसे इंटरैक्टिव Jupyter Notebooks के संग्रह के रूप में वितरित किया गया है। यह मशीन लर्निंग लाइफसाइकिल के एंड-टू-एंड कार्यान्वयन के लिए व्यावहारिक Python उदाहरण प्रदान करता है, जिसमें सुपरवाइज्ड और अनसुपरवाइज्ड लर्निंग, डीप लर्निंग और रीइन्फोर्समेंट लर्निंग शामिल हैं। यह संसाधन ट्रांसफॉर्मर, जेनरेटिव एडवरसैरियल नेटवर्क और कन्वेन्शनल न्यूरल नेटवर्क सहित जटिल आर्किटेक्चर के लिए विस्तृत कार्यान्वयन गाइड प्रदान करके खुद को अलग करता है। इसमें सिम्युलेटेड वातावरण के भीतर Q-learning और Deep Q-Networks का उपयोग करके रीइन्फोर्समेंट लर्निंग एजेंट विकसित करने के लिए विशेष कोर्सवेयर भी शामिल है। सामग्री डेटा साइंस क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है, जिसमें डेटा इंजीनियरिंग पाइपलाइन, फ़ीचर एन्कोडिंग और डाइमेंशनलिटी रिडक्शन शामिल हैं। यह क्रॉस-वैलिडेशन और डायग्नोस्टिक मेट्रिक्स के माध्यम से मॉडल मूल्यांकन पर व्यापक सामग्री प्रदान करती है, साथ ही नेचुरल लैंग्वेज प्रोसेसिंग, सेंटीमेंट एनालिसिस और जेनरेटिव AI जैसे उन्नत विषय भी शामिल हैं। पूरा पाठ्यक्रम Jupyter Notebooks के भीतर इंटरैक्टिव निष्पादन के लिए डिज़ाइन किया गया है, जो निष्पादन योग्य कोड, रिच टेक्स्ट और विज़ुअलाइज़ेशन को जोड़ता है।

Augmentor एक Python इमेज ऑगमेंटेशन लाइब्रेरी और फ्रेमवर्क है जिसे मशीन लर्निंग डेटासेट का विस्तार करने के लिए डिज़ाइन किया गया है। यह एक प्रीप्रोसेसिंग टूल के रूप में कार्य करता है जो डेटा विविधता बढ़ाने के लिए सिंथेटिक इमेज वेरिएशन जनरेट करता है और एक ट्रेनिंग डेटा स्ट्रीमर के रूप में जो इंटरमीडिएट डिस्क स्टोरेज की आवश्यकता के बिना ऑगमेंटेड इमेज और लेबल को सीधे न्यूरल नेटवर्क लूप में फ़ीड करता है। यह फ्रेमवर्क इमेज और उनके संबंधित मास्क के बीच स्थानिक संरेखण (spatial alignment) बनाए रखता है, जो सिमेंटिक सेगमेंटेशन ट्रेनिंग के लिए आवश्यक है। यह इलास्टिक डिस्टॉर्शन, टिल्ट और स्क्यू के माध्यम से पर्सपेक्टिव शिफ्ट, रोटेशन, शियरिंग और रैंडम रीजन इरेज़िंग सहित विभिन्न ज्यामितीय और पिक्सेल-स्तरीय परिवर्तनों का समर्थन करता है। इस सिस्टम में डेटा असंतुलन को संबोधित करने के लिए प्रति-वर्ग प्रसंस्करण रणनीतियों के लिए क्षमताएं शामिल हैं और ऑगमेंटेड डेटासेट के समानांतर निर्माण में तेज़ी लाने के लिए मल्टी-थ्रेडिंग का उपयोग करता है। यह प्रीप्रोसेसिंग चरण के दौरान रॉ इमेज फ़ाइलों को साफ़ और मानकीकृत करने के लिए यूटिलिटीज़ भी प्रदान करता है।

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 एक PyTorch-आधारित ऑप्टिकल कैरेक्टर रिकग्निशन फ्रेमवर्क है जिसे टेक्स्ट डिटेक्शन, रिकग्निशन और की-इन्फॉर्मेशन एक्सट्रैक्शन मॉडल्स को ट्रेन और डिप्लॉय करने के लिए डिज़ाइन किया गया है। यह सीन टेक्स्ट डिटेक्शन और रिकग्निशन के लिए एक व्यापक टूलबॉक्स के रूप में कार्य करता है, जो टेक्स्ट क्षेत्रों का पता लगाने और विज़ुअल टेक्स्ट को मशीन-एन्कोडेड स्ट्रिंग्स में बदलने के लिए विशेष लाइब्रेरीज़ प्रदान करता है। यह प्रोजेक्ट की-इन्फॉर्मेशन एक्सट्रैक्शन और उन्नत टेक्स्ट स्पॉटिंग क्षमताओं के लिए एक रिसर्च फ्रेमवर्क के माध्यम से अलग है। इनमें ट्रांसफॉर्मर्स का उपयोग करके पॉइंट-आधारित स्पॉटिंग और मनमाने ढंग से आकार के टेक्स्ट की पहचान और ट्रांसक्रिप्शन के लिए पैरामीटराइज़्ड बेज़ियर कर्व्स का उपयोग शामिल है। यह फ्रेमवर्क कंप्यूटर विज़न क्षमताओं की एक विस्तृत सतह को कवर करता है, जिसमें विविध OCR डेटासेट्स को बढ़ाने और मानकीकृत करने के लिए डेटा पाइपलाइन मैनेजमेंट, डिस्ट्रीब्यूटेड स्केलिंग के साथ मॉडल ट्रेनिंग, और स्टैंडर्ड OCR मेट्रिक्स का उपयोग करके परफॉरमेंस मूल्यांकन शामिल है। यह ग्राउंड ट्रुथ एनोटेशन के खिलाफ भविष्यवाणियों का ऑडिट करने के लिए ज्यामितीय बहुभुज हेरफेर और परिणाम विज़ुअलाइज़ेशन के लिए यूटिलिटीज भी प्रदान करता है। यह सिस्टम Python में लागू किया गया है और Docker वातावरण पैकेजिंग के माध्यम से इंस्टॉलेशन का समर्थन करता है।

This project is a comprehensive instructional resource and course for building neural networks using PyTorch. It covers the fundamental building blocks of deep learning, including tensor manipulation, automatic differentiation, and the construction of modular neural network components. The repository serves as a technical guide for several specialized domains. It provides implementation details for computer vision tasks such as image classification, object detection, and semantic segmentation, as well as natural language processing workflows involving transformers, recurrent networks, and gen

img2dataset is a high-performance image dataset pipeline and preprocessing tool designed to download and process millions of images from URLs for machine learning training. It functions as a distributed image downloader and cloud storage data exporter, moving large visual datasets from web sources directly into structured formats. The system prioritizes high-throughput data acquisition by distributing workloads across multiple CPU cores and machines. It integrates directly with remote cloud storage buckets and employs a manifest-based tracking system to resume interrupted downloads without re

This project is a collection of foundational machine learning algorithms and tools implemented from scratch in Python. It serves as a library of core implementations for regression, classification, and clustering models, designed to demonstrate the underlying mathematical structures of these algorithms without relying on high-level machine learning frameworks. The project focuses on the manual implementation of algorithmic logic, including neural networks with forward propagation and weight updates, as well as various supervised and unsupervised learning models. It utilizes NumPy for vectoriz

sam-hq उच्च-गुणवत्ता वाली इमेज सेगमेंटेशन, मल्टीमॉडल फीचर निष्कर्षण, और गहराई अनुमान के लिए डिज़ाइन किए गए प्री-ट्रेन्ड विज़न फाउंडेशन मॉडल्स और एडेप्टर्स का एक संग्रह है। यह एक ज़ीरो-शॉट विज़न मॉडल प्रदान करता है जो कार्य-विशिष्ट प्रशिक्षण की आवश्यकता के बिना विविध डोमेन में सेगमेंटेशन और वर्गीकरण करने में सक्षम है। प्रोजेक्ट में Segment Anything Model पर आधारित एक उच्च-गुणवत्ता वाला इमेज सेगमेंटेशन टूल है जो स्थानिक प्रॉम्प्ट्स से सटीक मास्क उत्पन्न करता है। इसमें इमेज और टेक्स्ट इनपुट दोनों से उच्च-आयामी वेक्टर एम्बेडिंग उत्पन्न करने के लिए एक मल्टीमॉडल फीचर एक्सट्रैक्टर, और दृश्य डेटा से दूरी या कैनोपी ऊंचाई की भविष्यवाणी करने के लिए एक कनवल्शनल टूल शामिल है। फ्रेमवर्क कंप्यूटर विज़न क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है, जिसमें इमेज वर्गीकरण, मल्टी-रिज़ॉल्यूशन फीचर निष्कर्षण, और इमेज प्रीप्रोसेसिंग शामिल है। यह चिकित्सा इमेजिंग और रिमोट सेंसिंग जैसे विशेष एप्लिकेशनों के लिए कस्टम डेटासेट्स पर फाइन-ट्यूनिंग के माध्यम से डोमेन अनुकूलन का समर्थन करता है। मास्क डिकोडर को मानक रनटाइम वाले एनवायरनमेंट में निष्पादन के लिए एक ओपन फॉर्मेट में परिवर्तित किया जा सकता है।

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,