Awesome GitHub RepositoriesPre-trained Model Implementations

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

DiT este un model de difuzie latentă și un framework de AI generativ bazat pe transformatoare, implementat în PyTorch. Funcționează ca un generator de imagini condiționat de clasă care înlocuiește backbone-urile convoluționale tradiționale cu o arhitectură de transformator pentru a sintetiza imagini de înaltă fidelitate. Proiectul utilizează procesarea latentă bazată pe patch-uri și compresia spațiului latent pentru a opera pe reprezentări de imagini cu dimensiuni reduse. Încorporează ghidaj condiționat de clasă și scale de ghidaj ajustabile pentru a controla conținutul vizual al imaginilor generate în timpul procesului de eșantionare. Framework-ul acoperă antrenarea distribuită a modelelor, eșantionarea iterativă a zgomotului și crearea de seturi de date de imagini sintetice. Include, de asemenea, instrumente pentru evaluarea calității modelului pentru a calcula scorurile de acuratețe și calitate față de benchmark-urile standard.

This 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

PaddleX is a PaddlePaddle-based framework for building, deploying, and fine-tuning AI model pipelines, with pre-built support for computer vision, OCR, document analysis, and time series tasks. It offers a toolkit of ready-to-use pipelines for image classification, object detection, segmentation, and pose estimation, alongside an end-to-end OCR document analysis pipeline that extracts text, tables, formulas, and layout information. The platform also includes a dedicated time series forecasting pipeline for analyzing historical data to detect anomalies, classify patterns, and predict future val

This project is a PyTorch implementation of a Neural Radiance Field framework. It serves as a 3D scene synthesizer and differentiable volumetric renderer used to train volumetric representations of scenes by predicting color and density for 3D spatial coordinates. The system enables novel view synthesis, allowing for the generation of new images of complex 3D scenes from previously unseen perspectives. It supports 3D scene reconstruction by processing 2D images and camera poses to build a digital volumetric representation of a physical space. The framework includes capabilities for 3D model

Rope este o interfață grafică pentru schimbarea fețelor în imagini și videoclipuri. Funcționează ca un editor video deepfake și instrument de schimbare a fețelor care utilizează modele de deep learning pre-antrenate pentru a înlocui identitățile în conținutul vizual. Instrumentul include capabilități specializate pentru post-producția video AI, cum ar fi blending-ul conștient de ocluzie pentru a gestiona obiectele din prim-plan și rafinarea prin parsarea gurii pentru a alinia expresiile faciale. Servește, de asemenea, ca un instrument de restaurare facială AI, folosind restaurarea bazată pe saliency pentru a recupera claritatea și detaliile în regiunile faciale modificate. Software-ul oferă un pipeline pentru manipularea conținutului vizual, cuprinzând întregul proces de la înlocuirea inițială a feței până la restaurarea digitală finală.

StarGAN este un framework de traducere imagine-la-imagine PyTorch conceput pentru a sintetiza stiluri vizuale și atribute între mai multe domenii. Implementează o rețea generativă adversarială care servește drept traducător de imagini deep learning pentru modificarea caracteristicilor vizuale specifice într-un set de date de imagini. Framework-ul utilizează un singur model unificat pentru a gestiona traducerile între mai multe domenii de imagine, în loc să necesite perechi separate de modele. Este o implementare de cercetare care învață mapări între diferite atribute ale imaginii fără a fi nevoie de date de antrenament pereche. Proiectul acoperă antrenarea și optimizarea modelelor generative, inclusiv aplicarea checkpoint-urilor de modele pre-antrenate pentru inferență. De asemenea, oferă utilitare pentru pregătirea și organizarea seturilor de date de imagini pe baza etichetelor și a împărțirilor.

Caffe este un framework de deep learning de înaltă performanță și o bibliotecă de rețele neuronale convoluționale concepută pentru antrenarea și implementarea rețelelor neuronale. Acesta funcționează ca un motor de machine learning accelerat prin GPU, cu un nucleu implementat în C++ pentru a permite operațiuni cu tensori de mare capacitate. Proiectul utilizează un sistem de configurare declarativ unde arhitecturile modelelor și hiperparametrii sunt definiți în fișiere text externe, separând designul rețelei de codul de execuție. Include un sistem de serializare a modelelor pentru a exporta ponderile și topologiile antrenate în fișiere binare pentru o implementare eficientă în diferite medii hardware. Framework-ul acoperă o gamă largă de capabilități, inclusiv designul arhitecturii rețelelor neuronale, antrenarea modelelor supervizate cu optimizare bazată pe gradient și fluxuri de lucru de clasificare a imaginilor. Oferă instrumente pentru preprocesarea seturilor de date, extragerea caracteristicilor neuronale și ajustarea fină (fine-tuning) a modelelor pre-antrenate. Nucleul C++ este accesibil printr-o interfață multi-limbaj cu binding-uri oficiale pentru Python și MATLAB.

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.

Acest proiect este un framework de învățare contrastivă auto-supervizată conceput pentru a antrena modele de deep learning să învețe reprezentări vizuale din imagini fără a utiliza etichete furnizate de oameni. Oferă un sistem pentru dezvoltarea modelelor de reprezentare vizuală pre-antrenate care pot fi adaptate pentru sarcini de computer vision downstream. Framework-ul include instrumente pentru clasificarea imaginilor semi-supervizată, care combină seturi mari de date neetichetate cu seturi mici etichetate pentru a îmbunătăți acuratețea. Dispune, de asemenea, de un instrument de evaluare linear probe pentru a evalua calitatea funcționalităților vizuale învățate prin antrenarea unui clasificator linear simplu peste reprezentările înghețate. Codul sursă acoperă antrenarea distribuită de deep learning și accelerarea hardware pentru a gestiona dimensiuni mari de batch-uri, alături de primitive de optimizare precum programarea ratei de învățare cosine-decay și regularizarea weight-decay. Oferă, de asemenea, utilitare pentru gestionarea modelelor, inclusiv conversia checkpoint-urilor pre-antrenate între diferite formate de framework-uri de deep learning și instrumente pentru implementarea modelelor. Implementarea este furnizată ca o colecție de Jupyter Notebooks.

lite.ai.toolkit este un toolkit C++ de viziune computerizată conceput pentru implementarea AI pe dispozitive edge. Acesta permite execuția modelelor pre-antrenate pentru detecția obiectelor, clasificarea imaginilor și segmentare pe dispozitive cu resurse limitate. Proiectul include un motor de inferență multi-backend care suportă runtime-ul de modele ONNX, permițând modelelor AI să ruleze pe diferite ținte hardware. Include un pipeline accelerat prin GPU, specific pentru hardware-ul NVIDIA, pentru a reduce latența și a crește viteza de procesare. Toolkit-ul acoperă o gamă largă de capabilități de analiză facială, inclusiv detecția emoțiilor, estimarea genului și vârstei, și analiza poziției capului. De asemenea, oferă instrumente pentru recunoaștere facială prin extragerea embedding-urilor de trăsături și calcularea similarității cosinus pentru verificarea identității. Capabilitățile suplimentare includ matting-ul imaginilor pentru izolarea prim-planului, colorizarea imaginilor grayscale și transferul de stil artistic.

This project is a collection of neural network models and geometric tools designed for image feature matching, spatial alignment, and visual localization. It provides a pre-trained neural network model for identifying high-accuracy correspondences between sparse image features without requiring local training. The system utilizes a graph neural network matcher that employs attention mechanisms and message passing to learn spatial relationships between image feature points. It integrates a RANSAC camera pose estimator to filter feature matches and calculate the relative spatial transformation

Acest proiect este o implementare a arhitecturii modelului lingvistic ALBERT, oferind un framework pentru antrenarea și evaluarea clasificatorilor de text și a modelelor de similaritate bazate pe transformer. Acesta include în mod specific active pre-antrenate și instrumente optimizate pentru generarea de embedding-uri semantice și reprezentări ale textului chinezesc. Framework-ul se distinge prin instrumente pentru conversia checkpoint-urilor modelelor lingvistice grele în formate ușoare pentru a permite inferența cu latență scăzută pe dispozitive mobile. Utilizează tehnici specifice de reducere a ponderilor, inclusiv partajarea cross-parameter și parametrizarea embedding-urilor factorizate, pentru a menține performanța cu o amprentă de memorie mai mică. Sistemul acoperă un pipeline complet pentru procesarea limbajului natural, de la normalizarea textului brut și tokenizarea subword până la pre-antrenarea auto-supervizată folosind masked language modeling. Oferă capacități pentru adaptarea sarcinilor ulterioare, permițând modelelor pre-antrenate să fie reglate fin pentru analiza similarității textului și clasificare supervizată. Proiectul include utilitare pentru conversia datelor de înregistrare binară și transformarea formatului modelului pentru a asigura compatibilitatea între diferite platforme de machine learning.

Acest proiect este o resursă educațională cuprinzătoare și un manual de tutoriale pentru construirea, antrenarea și implementarea modelelor de machine learning folosind TensorFlow 2. Acesta servește drept ghid de învățare structurat, acoperind concepte fundamentale de deep learning, inclusiv arhitecturi de rețele neuronale, diferențiere automată și operații cu tensori. Manualul oferă îndrumări tehnice pentru optimizarea eficienței execuției prin gestionarea memoriei GPU, antrenarea distribuită și cuantizarea modelelor. Include, de asemenea, manuale detaliate pentru construirea de pipeline-uri de date de înaltă performanță și exportul modelelor pentru servere de producție, dispozitive mobile și browsere web. Materialul acoperă o gamă largă de capabilități, inclusiv dezvoltarea de modele cu rețele convoluționale și recurente, implementarea de funcții de loss și straturi personalizate, precum și utilizarea modelelor pre-antrenate pentru transfer learning. De asemenea, abordează strategii de implementare pentru dispozitive edge și utilizarea runtime-urilor bazate pe cloud pentru accelerare hardware. Resursa este implementată sub forma unei colecții de Jupyter Notebooks.

Face-recognition.js este un kit de dezvoltare software (SDK) de viziune computerizată pentru Node.js care oferă instrumente pentru detectarea, maparea și identificarea fețelor umane în imagini și fluxuri video. Funcționează ca o punte către biblioteci native de înaltă performanță, permițând dezvoltatorilor să efectueze sarcini complexe de analiză facială direct în mediile JavaScript și TypeScript. Biblioteca se distinge prin combinarea inferenței de deep learning cu maparea geometrică a punctelor de reper (landmarks). Utilizează rețele neuronale pre-antrenate pentru a extrage vectori de trăsături faciale și folosește calcule de distanță euclidiană pentru a determina similaritatea matematică între identități. Acest lucru permite atât verificarea indivizilor cunoscuți, cât și antrenarea modelelor personalizate pe seturi de imagini etichetate pentru a recunoaște subiecți specifici. Dincolo de recunoașterea de bază, proiectul include utilitare pentru conversia formatelor de imagine și reprezentarea datelor bazată pe matrice pentru a facilita procesarea eficientă. De asemenea, oferă instrumente vizuale de depanare care randează bounding boxes și puncte de reper faciale direct pe imagini, asistând la verificarea rezultatelor detecției în timpul dezvoltării.

This application is a real-time computer vision system designed to identify and label objects within live video feeds, recorded files, and static images. It functions as a comprehensive framework that integrates pre-trained machine learning models with video processing pipelines to perform multi-object localization and visual data tracking. The system distinguishes itself through a multithreaded architecture that decouples frame acquisition from detection logic, ensuring the interface remains responsive during continuous analysis. It provides specialized scripts for training and optimizing cu

Acest proiect este un sistem de computer vision conceput pentru detectarea și identificarea fețelor umane în fluxuri video live. Funcționează ca un pipeline de analiză facială care procesează datele vizuale pentru a localiza limitele faciale și a potrivi indivizii cu o bază de date stocată de identități cunoscute. Sistemul utilizează un framework de rețea neuronală în mai multe etape pentru a izola regiunile faciale și a extrage caracteristici unice de identitate. Prin conversia datelor de imagine facială în vectori numerici compacți, efectuează calcule de similaritate geometrică pentru a verifica sau identifica subiecții pe măsură ce aceștia apar în mișcare. Software-ul integrează biblioteci consacrate de rețele neuronale și procesare de imagini pentru a-și executa sarcinile de detectare și recunoaștere. Operează folosind modele pre-antrenate, permițând identificarea indivizilor fără a necesita antrenament suplimentar în timpul fazei de execuție live.