2 repository-uri
Awesome GitHub RepositoriesTraining
The specific process of optimizing networks for the dual task of localization and classification.
Distinct from Object Detection: Distinct from Object Detection: focuses on the training phase (learning from datasets) rather than the inference phase (detecting in new data).
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Training. Refine with filters or upvote what's useful.
Awesome Training GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- rbgirshick/py-faster-rcnn
rbgirshick/py-faster-rcnn
8,287Vezi pe GitHubThis project is a Python implementation of the Faster R-CNN object detection framework. It serves as a convolutional neural network library and tool for locating and classifying multiple objects within images. The framework provides a pre-trained model implementation that allows for object detection inference without manual training. It supports the full lifecycle of object detection, including training detectors on visual datasets to identify and bound specific object classes. The system covers capabilities for computer vision model evaluation, neural network optimization to reduce model si
Supports training neural networks to identify and locate specific objects within images using annotated datasets.
Python - 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.
Implements end-to-end training processes for optimizing networks to perform object localization and classification.
Pythonaction-recognitioncomputer-visiondeep-learning
