2 repository-uri
Awesome GitHub RepositoriesDepth Estimation Training
Workflows for training models to estimate relative or absolute depth from image sequences.
Distinct from Vision Model Training: Distinct from general Vision Model Training by focusing specifically on distance-based depth estimation datasets.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Depth Estimation Training. Refine with filters or upvote what's useful.
Awesome Depth Estimation Training GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- dmlc/gluon-cv
dmlc/gluon-cv
5,922Vezi pe GitHubGluon-CV este o bibliotecă de computer vision pentru MXNet care oferă o colecție cuprinzătoare de arhitecturi de viziune pre-implementate și pipeline-uri de antrenament. Servește drept toolkit de cercetare în deep learning și o grădină zoologică de modele (model zoo) care conține ponderi pre-antrenate de ultimă generație pentru analiza imaginilor și a videoclipurilor. Proiectul include o bibliotecă specializată de estimare a posturii umane și un toolkit de compresie a modelelor. Aceste instrumente permit tăierea (pruning) și cuantizarea modelelor de deep learning pentru a crește viteza de inferență și a facilita implementarea pe hardware edge cu resurse limitate. Biblioteca acoperă o gamă largă de capabilități de viziune, inclusiv clasificarea imaginilor, detectarea obiectelor și segmentarea semantică și de instanță. De asemenea, oferă instrumente pentru analiza video, cum ar fi recunoașterea acțiunilor, urmărirea obiectelor și estimarea adâncimii monoculare. Antrenamentul este susținut prin pipeline-uri automatizate și sarcini de lucru distribuite multi-GPU pentru a accelera convergența modelului.
Enables the training of models to estimate relative or absolute depth from image sequences.
Pythonaction-recognitioncomputer-visiondeep-learning - nianticlabs/monodepth2
nianticlabs/monodepth2
4,494Vezi pe GitHubAcest proiect este un sistem de viziune artificială pentru estimarea adâncimii monoculare și generarea de nori de puncte 3D. Oferă un framework de învățare supervizată a adâncimii și un predictor de adâncime capabil să estimeze distanța spațială și disparitatea din imagini 2D unice, folosind rețele neuronale pre-antrenate. Sistemul include instrumente pentru a transforma imaginile de adâncime 2D în nori de puncte 3D prin backprojection-ul coordonatelor pixelilor și convertește datele norilor de puncte 3D în hărți de adâncime 2D. Utilizează un pipeline de antrenare care suportă fine-tuning-ul modelelor și optimizarea hiperparametrilor. Biblioteca acoperă capabilități mai largi în analiza spațială, inclusiv calculul matricelor de rotație și translație, evaluarea hărților de adâncime față de benchmark-uri ground truth și evaluarea predicției de postură. De asemenea, oferă utilitare pentru normalizarea pixelilor și recuperarea verificată prin checksum a ponderilor modelelor pre-antrenate.
Provides a full framework for training neural networks to estimate relative or absolute depth from image datasets.
Jupyter Notebookcomputer-visiondeep-learningdepth-estimation
