注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. RA-GCNv22-源码

  2. 丰富激活图卷积网络（RA-GCN）v2.0 1纸张详细信息 宋义范，张章，蔡凤山和王亮。 丰富激活的图卷积网络，用于基于骨骼的鲁棒动作识别。 IEEE视频技术电路和系统交易，2020年。 先前版本（RA-GCN v1.0）： 下图是RA-GCN v2的管道。 遮挡和抖动骨骼样本如下所示 2先决条件 2.1库 该代码基于 （anaconda，> = 3.5）和 （> = 0.4.0和<= 1.2.0）。 注意：在更高版本的PyTorch中使用多个GPU时，n

  3. 所属分类：其它

  1. PaddleGAN:PaddlePaddle GAN库，包括许多有趣的应用程序，例如一阶运动传输，wav2lip，图片修复，图像编辑，photo2cartoon，图像样式传输等-源码

  2. English | PaddleGAN PaddleGAN为开发人员提供经典和SOTA生成对抗网络的高性能实现，并支持开发人员快速构建，培训和部署GAN，以用于学术，娱乐和工业用途。 GAN生成对抗网络被“卷积网络之父”扬·勒库恩（Yang Likun）誉为[过去十年计算机科学领域中最有趣的思想之一] 。这是AI研究人员最关注的深度学习领域之一。 最近的贡献者 快速开始 请参考，以确保正确安装了PaddlePaddle和PaddleGAN。 通过ppgan.app界面开始： from p

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：71mb
    • 提供者：weixin_42097967

  1. swav:SwAV的PyTorch实施httpsarxiv.orgabs2006.09882-源码

  2. 通过对比群集分配进行视觉特征的无监督学习 该代码提供了PyTorch实施和SwAV预训练的模型（SW apping V IEWS之间的ssignments），如在本文描述的。 SwAV是一种无需使用注释即可预训练卷积网络的有效且简单的方法。 与对比方法类似，SwAV通过比较图像的变换来学习表示，但是与对比方法不同，它不需要计算特征对比较。 由于不需要大型存储库或辅助动量网络，因此它使我们的框架更高效。 具体来说，我们的方法同时对数据进行聚类，同时在为同一张图片的不同增强（或“视图”）生成的聚类

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：48kb
    • 提供者：weixin_42160376

  1. advanced-deep-learning-with-python:使用Python进行高级深度学习-源码

  2. 使用Python进行高级深度学习 这是Packt出版的《 》一书的代码存储库。 目录： 神经网络的基本要素 了解卷积网络 高级卷积网络 目标检测和图像分割 生成模型 语言建模 了解递归网络 序列到序列模型和注意 新兴的神经网络设计 元学习 无人驾驶汽车深度学习 所有代码示例均已针对TensorFlow 2.0.0和PyTorch 1.3.1进行了测试 一些代码示例是从其他开放源代码存储库改编而成的。 在这种情况下，基本示例链接在代码文件的开头。

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：22mb
    • 提供者：weixin_42163404

  1. neurvps:通过圆锥卷积的神经消失点扫描-源码

  2. NeurVPS：通过圆锥卷积的神经消失点扫描 该存储库包含该文件的官方PyTorch实施：，，，。 。 NeurIPS 2019。 介绍 NeurVPS是一个端到端的可训练深度网络，具有受几何启发的卷积运算符，用于检测图像中的消失点。 凭借数据驱动方法和几何先验的能力，NeurVPS能够胜过诸如和之类的最新技术消失点检测方法。 主要结果 定性措施 随机抽样的结果可以在论文的中找到。 量化措施 此处，x轴表示检测到的消失点的角度精度，y轴表示误差小于此值的结果的百分比。 我们的圆锥卷积网络优

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：945kb
    • 提供者：weixin_42174098

  1. DSC180B_Project-源码

  2. DSC180B_Project 网址： ： 关于： 该存储库包含图卷积网络的实现，用于NBA数据集上的节点分类。 目标是能够使用球员统计数据和赛季中各队之间的对决的图表表示来对NBA球队的排名进行分类。 设置Docker映像在仓库上的上找到了为使环境能够运行此项目而创建的docker映像。在aubarrio / q2checkpoint：latest找到 模型数据：我们在该项目中使用的数据是在找到的多个网络抓取数据的组合，我们使用了球员和球队统计数据等数据，以及赛季的球队时间表。 我们

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：579kb
    • 提供者：weixin_42127020

  1. elasticdeform：N维图像（Python，SciPy，NumPy）的微分弹性变形-源码

  2. N维图像（Python，SciPy，NumPy，TensorFlow）的弹性变形 该库为N维图像实现了基于弹性网格的变形。 弹性变形方法在 Ronneberger，Fischer和Brox，“ U-Net：用于生物医学图像分割的卷积网络”（ ） Çiçek等人，“ 3D U-Net：从稀疏注释中学习密集的体积分割”（ ） 该过程将为每个栅格点生成一个具有随机位移的粗位移网格。 然后对该网格进行插值以计算输入图像中每个像素的位移。 然后，使用位移矢量和样条插值使输入图像变形。 除了正

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：120kb
    • 提供者：weixin_42171208

  1. 卷积网络库-源码

  2. 卷积网络库

  3. 所属分类：其它

  1. 归纳偏置多通道CNN：TODO-源码

  2. 概述 这是以下手稿的代码存储库：“具有有限权重范数的多通道线性卷积网络的归纳偏置”（Meena Jagadeesan，Ilya Razenshteyn，Suriya Gunasekar）。 论文摘要 我们研究了线性卷积网络中控制权重的\\ ell_2 $范数所产生的归纳偏置的函数空间特征。 我们从实现空间函数所需权重的最小范数给出的函数空间中的归纳正则化器的角度来看待这一点。 对于具有$ C $输出通道和内核大小$ K $的两层线性卷积网络，我们显示以下内容：（a）如果网络的输入具有单个通道，则

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：10kb
    • 提供者：weixin_42160424

  1. 卷积网络-源码

  2. 卷积网络 该存储库旨在提供有关CNN结构以及如何从头开始实现的知识。

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：57kb
    • 提供者：weixin_42117037

  1. cpp-convolutional-neural-net：在C ++中使用OpenCL加速完全连接和卷积神经网络的实现-源码

  2. cpp-卷积神经网络 在C ++中实现完全连接和卷积神经网络，而无需依赖第三方库。 在GPU上使用OpenCL加快了卷积向前的步伐，从而使向前传递的运行时间快了5倍。

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：344kb
    • 提供者：weixin_42159267

  1. 使用MTCNN的人脸检测：此存储库包含用于人脸检测的多任务级联卷积神经网络的实现-源码

  2. 使用MTCNN进行人脸检测 这是Zhang，K等人的用于面部检测的多任务级联卷积神经网络的实现。 （2016） 的代码已经从ipazc正式实施MTCNN的分叉 安装 使用requirements.txt文件安装依赖项。 pip3 install -r requirements.txt 用法 使用jupyter笔记本的来测试MTCNN的实现。 在每个步骤中，所有代码都精美地引用了知识。 输出 这是带有边界框检测和关键点的模型输出。

  3. 所属分类：其它

  1. XNNPACK：适用于移动设备，服务器和Web的高效浮点神经网络推理运算符-源码

  2. XNNPACK XNNPACK是针对ARM，WebAssembly和x86平台的浮点神经网络推理运算符的高度优化的库。 XNNPACK不适用于深度学习从业人员和研究人员； 相反，它提供了低级性能原语来加速高级机器学习框架，例如 ， ， 和 。 支持的架构 Android，Linux，macOS和iOS（包括WatchOS和tvOS）上的ARM64 Android，Linux和iOS（包括WatchOS）上的ARMv7（带有NEON） Windows，Linux，macOS，Android

  3. 所属分类：其它

  1. fastai_sparse：2D3D稀疏数据的3D增强和变换，例如3D三角形网格或欧几里得空间中的点云。 扩展Fast.ai库以训练子流形稀疏卷积网络-源码

  2. fastai_sparse 这是库的扩展，用于训练子流形稀疏卷积网络，该网络适用于2D / 3D稀疏数据，例如3D几何网格或欧几里得空间中的点云 目前，该库中有 ，这是迄今为止3D最好的（ScanNet基准，ShapeNet研讨会）。 安装 fastai_sparse兼容于：Python 3.6，PyTorch 1.0+ 一些关键的依赖关系： PyTorch稀疏卷积模型： 。 PLY文件阅读器和3D几何网格转换由实现。 在jupyter笔记本实施例中用于交互式可视化。 查看详细信息

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：19mb
    • 提供者：weixin_42169674

  1. imgclsmob：用于训练深度学习网络的沙箱-源码

  2. 深度学习网络 此回购协议主要用于研究用于计算机视觉任务的卷积网络。 为此，存储库包含（重新）实施各种分类，分段，检测和姿态估计模型以及用于训练/评估/转换的脚本。 使用以下框架： MXNet / Gluon（ ）， PyTorch（ ）， Chainer（ ）， 凯拉斯（ ）， TensorFlow 1.x / 2.x（ ）。 对于每个受支持的框架，都有一个PIP程序包，其中包含不带辅助脚本的纯模型。 软件包清单： 胶子的 ， for PyTorch， 用于 ，

  3. 所属分类：其它

  1. NeuralNetworks-ML-Repository：DL4J（Java）中的自动编码器，深度信念网络的实现-源码

  2. 机器学习| 神经网络存储库 [__Update 02/19__: This repository is outdated. Python & PyTorch Model repo to be added] 开始建立各种机器学习实现的公共存储库，重点是神经网络，并最终转向深网，自动编码器和卷积网。 此后，所有蜿蜒的ML实现都将推送到此存储库。 目前，该存储库将充当通过多个平台实现的各种机器学习模型的集合。 这些包括： Python Packages: Scikit(Sk) Learn, Py

  3. 所属分类：其它

  1. RBDN：递归分支反卷积网络：DCNN体系结构，用于“广义深度图像到图像回归”。 CVPR2017（聚焦）-源码

  2. RBDN（递归分支反卷积网络） RBDN是一种用于的体系结构，其特点是 具有广泛参数共享功能的高效内存递归分支方案，可计算输入的早期可学习多上下文表示形式， 端到端保存从输入到输出的本地通信，以及 能够根据任务选择上下文与局部性，以及应用按像素的多上下文非线性。 建筑 RBDN在3种不同的图像到图像回归任务上提供了最先进的性能：去噪，重新照明，着色。 安装及使用 克隆：运行git clone -b master --single-branch https://github.com/venk

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：44kb
    • 提供者：weixin_42128315

  1. multihead-siamese-nets：基于文本语义相似性任务的多头注意力机制构建的暹罗神经网络的实现-源码

  2. 暹罗深度神经网络的语义相似性。 该存储库包含Tensorflow中的暹罗神经网络的实现，该实现基于3种不同的主要深度学习架构构建： 卷积神经网络 递归神经网络 多头注意力网络 创建该存储库的主要原因是将GitHub上主要基于CNN和RNN架构构建的Siamese神经网络的知名实现方案与基于Transformer模型最初由提出的基于多头注意力机制构建的Siamese神经网络进行比较，这论文。 。 支持的数据集 当前版本的管道支持使用3个数据集： :NEW_button: 对抗自然语言推论（A

  3. 所属分类：其它

  1. 基于字符的cnn：基于字符的卷积神经网络的实现-源码

  2. 基于字符的CNN 此存储库包含用于文本分类的字符级卷积神经网络的PyTorch实现。 该模型的体系结构来自本文： : 有两种变体：大型和小型。 您可以通过更改配置文件在两者之间切换。 该架构具有6个卷积层： 层 大型功能 小功能 核心 泳池 1个 1024 256 7 3 2 1024 256 7 3 3 1024 256 3 不适用 4 1024 256 3 不适用 5 1024 256 3 不适用 6 1024 256 3 3

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：214kb
    • 提供者：weixin_42127937

  1. SGC：“简化图卷积网络”论文的正式实施-源码

  2. 简化图卷积网络 更新 正如＃23所指出的，在reddit数据集的预处理代码中存在一个细微的错误。 修复此错误后，SGC的F1得分为95.0（以前是94.9）。 实用建议：标准化特征为零均值且标准差为1的值通常会非常有帮助，以加快SGC（和许多其他线性模型）的收敛。 例如，我们应用此规范化。 将SGC应用于其他数据集时，请考虑这样做。 有关一些相关的讨论，请参见以及。 作者： * * * *：平等贡献 总览 此存储库包含简单图卷积（SGC）模型的示例实现，在ICML2019论文《。 S

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 13 »