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

Descoperă cele mai bune repository-uri open source cu căutare AI.

ExploreazăCăutări recomandateAlternative open-sourceSoftware self-hostedBlogHartă site
ProiectServer MCPDespreCum realizăm clasamentulPresă
LegalConfidențialitateTermeni
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 repository

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

Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
  • bnsreenu/python_for_microscopistsAvatar bnsreenu

    bnsreenu/python_for_microscopists

    4,402Vezi pe GitHub↗

    Acest proiect este un toolkit Python de bio-imagistică și o suită de analiză concepută pentru procesarea și analizarea imaginilor de microscopie și medicale. Oferă o colecție de instrumente pentru cuantificarea imaginilor, segmentarea imaginilor medicale și fluxuri de lucru generale de bio-imagistică. Suita include capabilități specializate pentru cuantificarea datelor biologice, cum ar fi măsurarea complexității ramificațiilor neuronale prin analiza Sholl, calcularea distribuțiilor dimensiunilor particulelor și urmărirea zonei rănilor în scratch assays. De asemenea, dispune de o bibliotecă de segmentare a imaginilor medicale care implementează arhitecturi U-Net pentru izolarea structurilor anatomice în date 3D și folosește rețele generative adversariale (GAN) pentru a crea imagini științifice sintetice pentru augmentarea seturilor de date. În linii mari, proiectul acoperă primitive de procesare a imaginilor, inclusiv denoising, îmbunătățirea contrastului și transformări morfologice. Oferă utilitare de gestionare a seturilor de date pentru conversia adnotărilor între formatele COCO, YOLO și măști binare, precum și instrumente de machine learning pentru antrenarea rețelelor neuronale și implementarea transferului de ponderi bazat pe autoencodere. Fluxurile de lucru de analiză sunt furnizate sub formă de serie de Jupyter Notebooks interactive.

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

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