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 este un generator video audio-driven și un model de lip sync cu difuzie latentă, conceput pentru a sincroniza mișcările buzelor unui vorbitor într-un video cu o pistă audio țintă. Oferă un framework de antrenament pentru sincronizarea buzelor, pentru dezvoltarea rețelelor de sincronizare pe seturi de date video și audio personalizate. Sistemul utilizează un pipeline de preprocesare video pentru a curăța, segmenta și alinia datele faciale. Include un instrument de evaluare a sincronizării vizuale care calculează scoruri de încredere pentru a măsura acuratețea alinierii audio și vizuale în videoclipurile generate. Proiectul acoperă capabilități pentru dezvoltarea rețelelor de sincronizare personalizate, gestionarea configurației de antrenament pentru memoria hardware și rezoluție, precum și evaluarea video sintetică.

Acest proiect este o colecție de cursuri de deep learning în PyTorch, constând în proiecte practice și exerciții de programare. Se concentrează pe implementarea arhitecturilor de rețele neuronale și antrenarea modelelor pentru a rezolva probleme complexe de date. Repository-ul include o suită de proiecte de computer vision pentru construirea de clasificatori de imagini, autoencodere și aplicații de transfer de stil. Dispune de un laborator de rețele generative adversariale (GAN) pentru crearea de imagini sintetice și implementări specifice pentru transfer learning, pentru a adapta ponderile pre-antrenate la sarcini noi. Codul sursă acoperă analiza datelor secvențiale pentru procesarea limbajului natural (NLP) folosind rețele neuronale recurente și word embeddings. Capabilitățile suplimentare includ preprocesarea datelor de imagine, evaluarea performanței modelelor și deployment-ul modelelor antrenate în infrastructuri cloud. Materialele sunt livrate sub forma unei serii de Jupyter Notebooks.

Acest proiect este o resursă educațională cuprinzătoare de machine learning și o serie de tutoriale livrate sub formă de colecție de Jupyter Notebooks interactive. Oferă implementări practice în Python pentru întregul ciclu de viață al machine learning-ului, acoperind învățarea supervizată și nesupervizată, deep learning și reinforcement learning. Resursa se remarcă prin ghiduri detaliate de implementare pentru arhitecturi complexe, inclusiv transformatoare, rețele generative adversariale (GAN) și rețele neuronale convoluționale. Include, de asemenea, cursuri specializate pentru dezvoltarea de agenți de reinforcement learning folosind Q-learning și Deep Q-Networks în medii simulate. Conținutul acoperă o gamă largă de capabilități în data science, inclusiv pipeline-uri de data engineering, codificarea trăsăturilor (feature encoding) și reducerea dimensionalității. Oferă materiale extinse despre evaluarea modelelor prin cross-validation și metrici de diagnostic, precum și subiecte avansate precum procesarea limbajului natural (NLP), analiza sentimentelor și AI generativ. Întregul curriculum este conceput pentru execuție interactivă în Jupyter Notebooks, combinând cod executabil, text bogat și vizualizări.

Augmentor este o bibliotecă și un framework Python de augmentare a imaginilor, conceput pentru a extinde seturile de date de machine learning. Funcționează ca un instrument de preprocesare care generează variații sintetice ale imaginilor pentru a crește diversitatea datelor și ca un streamer de date de antrenament care introduce imagini și etichete augmentate direct în buclele rețelelor neuronale, fără a necesita stocare intermediară pe disc. Framework-ul menține alinierea spațială între imagini și măștile corespunzătoare, ceea ce este necesar pentru antrenarea segmentării semantice. Suportă diverse transformări geometrice și la nivel de pixel, inclusiv distorsiuni elastice, schimbări de perspectivă prin înclinare și rotire, rotație, forfecare și ștergerea aleatorie a regiunilor. Sistemul include capabilități pentru strategii de procesare per-clasă pentru a aborda dezechilibrul datelor și utilizează multi-threading pentru a accelera generarea paralelă a seturilor de date augmentate. Oferă, de asemenea, utilitare pentru curățarea și standardizarea fișierelor imagine brute în etapa de preprocesare.

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 este un framework de recunoaștere optică a caracterelor (OCR) bazat pe PyTorch, conceput pentru antrenarea și deployment-ul modelelor de detectare a textului, recunoaștere și extragere a informațiilor cheie. Servește ca un toolkit cuprinzător pentru detectarea și recunoașterea textului în scene, oferind biblioteci specializate pentru localizarea regiunilor de text și convertirea textului vizual în șiruri de caractere codificate de mașină. Proiectul se distinge printr-un framework de cercetare pentru extragerea informațiilor cheie și capabilități avansate de text spotting. Acestea includ spotting bazat pe puncte folosind transformatoare și utilizarea curbelor Bezier parametrizate pentru a identifica și transcrie text cu forme arbitrare. Framework-ul acoperă o suprafață largă de capabilități de viziune artificială, inclusiv gestionarea pipeline-ului de date pentru augmentarea și standardizarea seturilor de date OCR diverse, antrenarea modelelor cu scalare distribuită și evaluarea performanței folosind metrici OCR standard. Oferă, de asemenea, utilitare pentru manipularea poligoanelor geometrice și vizualizarea rezultatelor pentru auditarea predicțiilor față de adnotările ground truth. Sistemul este implementat în Python și suportă instalarea prin împachetarea mediului Docker.

Acest proiect este o resursă educațională cuprinzătoare și un curs pentru construirea de rețele neuronale folosind PyTorch. Acoperă elementele fundamentale ale deep learning-ului, inclusiv manipularea tensorilor, diferențierea automată și construcția componentelor modulare de rețele neuronale. Repository-ul servește drept ghid tehnic pentru mai multe domenii specializate. Oferă detalii de implementare pentru sarcini de computer vision, cum ar fi clasificarea imaginilor, detecția obiectelor și segmentarea semantică, precum și fluxuri de lucru de procesare a limbajului natural (NLP) care implică transformatoare, rețele recurente și modele generative. În plus, include o referință pentru AI generativ, concentrându-se în mod specific pe sinteza de imagini prin modele de difuzie și rețele adversariale. Materialul se extinde către optimizarea modelelor și pipeline-uri de deployment. Acoperă tehnici pentru reducerea dimensiunii modelelor și creșterea vitezei de inferență prin cuantizare și exportul modelelor în formate precum ONNX și TensorRT. Alte domenii de capabilitate includ ingineria datelor pentru încărcarea paralelă, evaluarea modelelor folosind metrici personalizate și deployment-ul modelelor de limbaj mari (LLM) open-source. Proiectul este livrat în principal sub formă de serie de Jupyter Notebooks.

img2dataset este un pipeline de seturi de date de imagini de înaltă performanță și un instrument de preprocesare conceput pentru a descărca și procesa milioane de imagini de la URL-uri pentru antrenarea modelelor de machine learning. Funcționează ca un downloader distribuit de imagini și exportator de date în cloud storage, mutând seturi de date vizuale mari din surse web direct în formate structurate. Sistemul prioritizează achiziția de date cu throughput ridicat prin distribuirea sarcinilor pe mai multe nuclee CPU și mașini. Se integrează direct cu bucket-uri de stocare cloud remote și folosește un sistem de urmărire bazat pe manifest pentru a relua descărcările întrerupte fără a reprocesa datele existente. Instrumentul oferă o suită completă de preprocesare pentru pregătirea seturilor de date de machine learning, inclusiv redimensionarea imaginilor, decuparea și filtrarea proprietăților bazată pe dimensiune sau aspect ratio. De asemenea, verifică integritatea imaginilor prin compararea hash-urilor și asigură conformitatea cu directivele roboților în timpul fluxului de lucru de scraping. Proiectul este implementat în Python.

Acest proiect este o colecție de algoritmi fundamentali de machine learning și instrumente implementate de la zero în Python. Servește drept bibliotecă de implementări de bază pentru modele de regresie, clasificare și clustering, concepută pentru a demonstra structurile matematice subiacente ale acestor algoritmi fără a se baza pe framework-uri de machine learning de nivel înalt. Proiectul se concentrează pe implementarea manuală a logicii algoritmice, inclusiv rețele neuronale cu propagare înainte și actualizări de ponderi, precum și diverse modele de învățare supervizată și nesupervizată. Utilizează NumPy pentru vectorizare pentru a efectua calcule matriceale și operațiuni matematice pe seturi de date mari. Toolkit-ul acoperă o gamă largă de capabilități, inclusiv reducerea dimensionalității prin Principal Component Analysis și preprocesarea datelor pentru seturi de date numerice și de imagini. Implementările algoritmice acoperă regresia liniară și Bayesiană, K-Means clustering și metode multiple de clasificare, cum ar fi Support Vector Machines, Decision Trees și K-Nearest Neighbors. Proiectul este livrat sub formă de serie de Jupyter Notebooks.

sam-hq este o colecție de modele fundamentale de viziune pre-antrenate și adaptoare concepute pentru segmentarea imaginilor de înaltă calitate, extracția de caracteristici multimodale și estimarea adâncimii. Oferă un model de viziune zero-shot capabil să efectueze segmentare și clasificare în domenii diverse fără a necesita antrenament specific sarcinii. Proiectul include un instrument de segmentare a imaginilor de înaltă calitate bazat pe Segment Anything Model care generează măști precise din prompt-uri spațiale. Include un extractor de caracteristici multimodale pentru a genera embedding-uri vectoriale de înaltă dimensiune atât din input-uri de imagine, cât și de text, precum și un instrument convoluțional pentru prezicerea distanței sau a înălțimii coronamentului din date vizuale. Framework-ul acoperă o gamă largă de capabilități de computer vision, inclusiv clasificarea imaginilor, extracția de caracteristici multi-rezoluție și preprocesarea imaginilor. Suportă adaptarea la domeniu prin fine-tuning pe seturi de date personalizate pentru aplicații specializate precum imagistica medicală și teledetecția. Decoderul de măști poate fi convertit într-un format deschis pentru execuție în medii cu un runtime standard.

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,