D
Професійне виділення об'єктів на зображеннях через AI
N
Офіційна реалізація нейронної реконструкції поверхонь за даними RGB-D
S
Система відстеження об'єктів у реальному часі
E
Найбільший набір даних для навчання ШІ в умовах низького освітлення
D
Створення моделей комп'ютерного зору на базі PyTorch
C
Функція втрат для навчання моделей на незбалансованих наборах даних
C
Офіційна реалізація трансформерів зору з використанням згорток
H
Бібліотека для отримання зображень у системах машинного зору GenICam
C
Інтерактивний інструмент для автоматичного розфарбовування чорно-білих зображень
D
Інструмент NVIDIA для синтезу даних для навчання глибоких нейромереж
A
Бібліотека ресурсів та моделей від Ultralytics
A
Добірка ресурсів для ефективного донавчання великих моделей
R
Керуйте даними, моделями та розгортаннями комп'ютерного зору
M
Масштабний багатодисциплінарний бенчмарк для розуміння ШІ
M
Спільний семантичний аналіз для автономного водіння в реальному часі
A
Список ресурсів з паноптичної сегментації
C
Покращена та зрозуміла версія детектора об'єктів CenterNet
A
Список популярних моделей глибокого навчання для комп'ютерного зору
C
Віртуальна примірка одягу на основі штучного інтелекту
H
Модель дескрипторів для покращення вивчення ознак зображень
S
Ефективний метод оптимізації для складних задач
T
Розпізнавання об'єктів у браузері на Tensorflow.js
T
Прогнозування оптичного потоку на базі TensorFlow
E
Швидкий детектор об'єктів для периферійних пристроїв
C Надшвидкі нейромережі для відстеження об'єктів
P
Піксельно-адаптивні згорткові нейронні мережі
D
Глибока нейромережа для автоматичного вирівнювання облич
O
Виявлення об'єктів через YOLO та OpenCV
A
Напівкероване навчання для семантичної сегментації зображень
T
Відкрита платформа для оцінки невизначеності нейромереж
I
Комп'ютерний зір безпосередньо у вашому браузері
F
Високоякісне виділення об'єктів на зображеннях
E
Простий класифікатор емодзі для кожного
O
Швидке виявлення об'єктів з використанням моделі YOLOv8
N
Інтелектуальний візуальний аналіз питань на базі Torch
G
Швидке створення моделей комп’ютерного зору з мінімумом даних
A
Потужна збірка інструментів для семантичної сегментації
C
Короткі рішення завдань курсу CS231n
U
Ефективна сегментація зображень з використанням ненадійних міток
C
Конспекти та напрацювання з курсу глибокого навчання
S
Нейронні поля випромінювання з автокалібруванням
P
Практичні приклади Python для дистанційного зондування Землі
L
Інструмент для підготовки даних супутникових знімків
S Глибоке навчання для інтерпретації сейсмічних даних
D
Використання візуальних дескрипторів Deep ViT для аналізу
D
Практичний курс опанування нейронних мереж з нуля
V
Реалізація архітектури Vision Transformer
M
Енергоефективні нейромережі для швидкої класифікації зображень
S
Алгоритм для якісного підвищення роздільної здатності зображень
P
Система розпізнавання номерних знаків у реальному часі