CV pretrained model
Initial Release
Ein vorgebildetes Modell ist ein Modell, das von jemand anderem erstellt wurde, um ein ähnliches Problem zu lösen. Anstatt ein Modell von Grund auf neu aufzubauen, um ein ähnliches Problem zu lösen, können wir das Modell verwenden, das auf ein anderes Problem als Ausgangspunkt geschult wurde. Ein vorgebildetes Modell ist in Ihrer Anwendung möglicherweise nicht zu 100% genau.
Zum Beispiel, wenn Sie ein selbstlernen Auto bauen möchten. Sie können Jahre damit verbringen, einen anständigen Bilderkennungsalgorithmus von Grund auf neu zu erstellen, oder Sie können ein Inception-Modell (ein vorgebildetes Modell) von Google annehmen, das auf ImageNet-Daten basiert, um Bilder in diesen Bildern zu identifizieren.
Sie können Visualisierungen der Netzwerkarchitektur jedes Modells mithilfe von Netron sehen.
| Modellname | Beschreibung | Rahmen | Lizenz |
|---|---|---|---|
| Objektdetektion | Lokalisierung und Identifizierung mehrerer Objekte in einem einzelnen Bild. | Tensorflow | Apache -Lizenz |
| Mask R-CNN | Das Modell erzeugt für jede Instanz eines Objekts im Bild Begrenzungsboxen und Segmentierungsmasken. Es basiert auf Feature Pyramid Network (FPN) und einem ResNet101 -Rückgrat. | Tensorflow | Die MIT -Lizenz (MIT) |
| Schneller | Dies ist eine experimentelle Tensorflow -Implementierung von schnellerem RCNN - ein Konvett für die Objekterkennung mit einem Region -Vorschlagsnetzwerk. | Tensorflow | MIT -Lizenz |
| Yolo Tensorflow | Dies ist die Tensorflow-Implementierung des YOLO: Echtzeit-Objekterkennung. | Tensorflow | Brauch |
| Yolo Tensorflow ++ | TensorFlow-Implementierung von 'Yolo: Echtzeit-Objekterkennung', mit Schulungen und einer tatsächlichen Unterstützung für Echtzeit, die auf Mobilgeräten ausgeführt werden. | Tensorflow | GNU Allgemeine öffentliche Lizenz |
| Mobilenet | Mobilenets handeln zwischen Latenz, Größe und Genauigkeit und vergleichen gleichzeitig populäre Modelle aus der Literatur. | Tensorflow | Die MIT -Lizenz (MIT) |
| Deeplab | Deep Markierung für die semantische Bildsegmentierung. | Tensorflow | Apache -Lizenz |
| ColorNet | Neuronales Netzwerk zum Färben von Graustufenbildern. | Tensorflow | Nicht gefunden |
| Srgan | Photo-realistische Einzelbild-Superauflösung unter Verwendung eines generativen kontroversen Netzwerks. | Tensorflow | Nicht gefunden |
| Deeposm | Zug Tensorflow Neural Nets mit OpenStreetmap -Funktionen und Satellitenbildern. | Tensorflow | Die MIT -Lizenz (MIT) |
| Domänenübertragungsnetzwerk | Implementierung einer unbeaufsichtigten Cross-Domänen-Bildgenerierung. | Tensorflow | MIT -Lizenz |
| Zeigen, teilnehmen und erzählen | Aufmerksamkeitsbasierte Bildunterschrift Generator. | Tensorflow | MIT -Lizenz |
| Android-Yolo | Echtzeit-Objekterkennung auf Android mit dem YOLO-Netzwerk, der mit TensorFlow betrieben wird. | Tensorflow | Apache -Lizenz |
| DCSCN Super Resolution | Dies ist eine Tensorflow-Implementierung von "schnelle und genaue Bild-Superauflösung von Deep CNN mit Skip Connection und Network im Netzwerk", einem SISR-Modell (Deep Learning Based Single-Image Super-Losolution). | Tensorflow | Nicht gefunden |
| Gan-Cls | Dies ist eine experimentelle Tensorflow -Implementierung von Synthesebildern. | Tensorflow | Nicht gefunden |
| U-net | Für die Segmentierung des Gehirntumors. | Tensorflow | Nicht gefunden |
| Verbesserter Cyclegan | Ungepaartes Bild zur Bildübersetzung. | Tensorflow | MIT -Lizenz |
| IM2TXT | Image-zu-Text-Neuralnetz für Bildunterschriften. | Tensorflow | Apache -Lizenz |
| SCHLANK | Bildklassifizierungsmodelle in TF-Slim. | Tensorflow | Apache -Lizenz |
| Delf | Tiefe lokale Merkmale für Bildanpassung und Abruf. | Tensorflow | Apache -Lizenz |
| Kompression | Komprimierung und Dekomprimierung von Bildern mit einem vorgeborenen Rest-Gru-Netzwerk. | Tensorflow | Apache -Lizenz |
| Achtungsträger | Ein Modell für die praktische Bildtextextraktion. | Tensorflow | Apache -Lizenz |
| Modellname | Beschreibung | Rahmen | Lizenz |
|---|---|---|---|
| Mask R-CNN | Das Modell erzeugt für jede Instanz eines Objekts im Bild Begrenzungsboxen und Segmentierungsmasken. Es basiert auf Feature Pyramid Network (FPN) und einem ResNet101 -Rückgrat. | Keras | Die MIT -Lizenz (MIT) |
| VGG16 | Sehr tiefe Faltungsnetzwerke für eine großflächige Bilderkennung. | Keras | Die MIT -Lizenz (MIT) |
| VGG19 | Sehr tiefe Faltungsnetzwerke für eine großflächige Bilderkennung. | Keras | Die MIT -Lizenz (MIT) |
| Resnet | Tiefes Restlernen für die Bilderkennung. | Keras | Die MIT -Lizenz (MIT) |
| Resnet50 | Tiefes Restlernen für die Bilderkennung. | Keras | Die MIT -Lizenz (MIT) |
| Nasnet | NASNET bezieht sich auf das Suchnetzwerk der neuronalen Architektur, eine Familie von Modellen, die automatisch durch das Lernen der Modellarchitekturen direkt auf dem interessierenden Datensatz gelernt wurden. | Keras | Die MIT -Lizenz (MIT) |
| Mobilenet | Mobilenet V1 -Modelle für Keras. | Keras | Die MIT -Lizenz (MIT) |
| Mobilenet v2 | Mobilenet V2 -Modelle für Keras. | Keras | Die MIT -Lizenz (MIT) |
| Mobilenet v3 | Mobilenet V3 -Modelle für Keras. | Keras | Die MIT -Lizenz (MIT) |
| effizientesNetz | Das Modell skalieren für Faltungsnetzwerke. | Keras | Die MIT -Lizenz (MIT) |
| Bildanalogien | Generieren Sie Bildanalogien mit neuronaler Übereinstimmung und Mischung. | Keras | Die MIT -Lizenz (MIT) |
| Beliebte Bildsegmentierungsmodelle | Implementierung von Segnet, FCN, UNET und anderen Modellen in Keras. | Keras | MIT -Lizenz |
| Ultraschall -Nervensegmentierung | Dieses Tutorial zeigt, wie die Keras -Bibliothek verwendet wird, um ein tiefes neuronales Netzwerk für die Segmentierung von Ultraschall -Bildnerven zu erstellen. | Keras | MIT -Lizenz |
| Deepmask -Objektsegmentierung | Dies ist eine Keras-basierte Python-Implementierung von Deepmask- einem komplexen tiefen neuronalen Netzwerk für Lernobjekt-Segmentierungsmasken. | Keras | Nicht gefunden |
| Einsprachige und mehrsprachige Bildunterschriften | Dies ist der Quellcode, der die mehrsprachige Bildbeschreibung mit neuronalen Sequenzmodellen begleitet. | Keras | BSD-3-Klausel-Lizenz |
| pix2pix | Keras-Implementierung von Bild-zu-Image-Übersetzung mit bedingten kontroversen Netzwerken von Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. | Keras | Nicht gefunden |
| Farbenfrohe Bildfarbe | B & w zu färben. | Keras | Nicht gefunden |
| Cyclegan | Implementierung von ungepaarten Image-zu-Image-Übersetzungen mithilfe von zykluskonsistenten ätzenden Netzwerken . | Keras | MIT -Lizenz |
| Dualgan | Implementierung von Dualgan: unbeaufsichtigtes Dual-Lernen für Bild-zu-Image-Übersetzung . | Keras | MIT -Lizenz |
| Super-Auflösung Gan | Implementierung von photo-realistischen Einzelbild-Superauflösungen unter Verwendung eines generativen kontroversen Netzwerks . | Keras | MIT -Lizenz |
| Modellname | Beschreibung | Rahmen | Lizenz |
|---|---|---|---|
| DETECTRON2 | DETECTRON2 ist das Next-Generation-Softwaresystem von Facebook Research, das hochmoderne Objekterkennungsalgorithmen implementiert | PyTorch | Apache -Lizenz 2.0 |
| Fastphotostyle | Eine geschlossene Lösung für fotorealistische Bildstilisierung. | PyTorch | Creative Commons Attribution-Noncommercial-sharealike 4.0 Internationale öffentliche Zulassungen |
| Pytorch-Cyclegan-and-Pix2Pix | Eine geschlossene Lösung für fotorealistische Bildstilisierung. | PyTorch | BSD -Lizenz |
| Maskrcnn-Benchmark | Schnelle, modulare Referenzimplementierung der Instanzsegmentierung und Objekterkennungsalgorithmen in Pytorch. | PyTorch | MIT -Lizenz |
| Deep-Image-Prior | Bildwiederherstellung mit neuronalen Netzwerken, aber ohne zu lernen. | PyTorch | Apache -Lizenz 2.0 |
| Stargan | STARGAN: Einheitliche generative kontroverse Netzwerke für die Übersetzung von Multi-Domänen-Image-Image-Übersetzung. | PyTorch | MIT -Lizenz |
| schneller-rcnn.pytorch | Dieses Projekt ist eine schnellere R-CNN-Implementierung, die darauf abzielt, die Schulung schnellerer R-CNN-Objekterkennungsmodelle zu beschleunigen. | PyTorch | MIT -Lizenz |
| pix2pixhd | Synthese und Manipulation 2048x1024 Bilder mit bedingten Gans. | PyTorch | BSD -Lizenz |
| Augmentor | Bildvergrößerungsbibliothek in Python für maschinelles Lernen. | PyTorch | MIT -Lizenz |
| Albumentationen | Schnelle Bildvergrößerungsbibliothek. | PyTorch | MIT -Lizenz |
| Deep Video Analytics | Deep Video Analytics ist eine Plattform zum Indizieren und Extrahieren von Informationen aus Videos und Bildern | PyTorch | Brauch |
| Semantische Segmentierungs-Pytorch | Pytorch -Implementierung für die semantische Segmentierung/Szene -Parsen auf dem MIT ADE20K -Datensatz. | PyTorch | BSD 3-Klausel-Lizenz |
| Ein End-to-End-Training für neuronale Netzwerke für die bildbasierte Sequenzerkennung | Diese Software implementiert das recurentale rezidivierende neuronale Netzwerk (CRNN), eine Kombination aus CNN-, RNN- und CTC-Verlust für bildbasierte Sequenzerkennungsaufgaben wie Szenetexterkennung und OCR. | PyTorch | Die MIT -Lizenz (MIT) |
| EINHEIT | Pytorch-Implementierung unseres gekoppelten Vae-Gan-Algorithmus für eine unbeaufsichtigte Übersetzung von Bild-zu-Image. | PyTorch | Creative Commons Attribution-Noncommercial-Sharealike 4.0 Internationaler öffentlicher Lizenz |
| Nervensequenzmarkierungsmodell | Sequenzmarkierungsmodelle sind in vielen NLP-Aufgaben sehr beliebt, wie z. | PyTorch | Apache -Lizenz |
| schneller rcnn | Dies ist eine Pytorch -Implementierung von schnellerem RCNN. Dieses Projekt basiert hauptsächlich auf py-fähigen RCNN und TFFRCNN. Weitere Informationen zu R-CNN finden Sie in der Zeitung schneller R-CNN: In Richtung Echtzeit-Objekterkennung mit Region Vorschlägen von Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun. | PyTorch | MIT -Lizenz |
| Pytorch-Semantik-Segmentierung | Pytorch für die semantische Segmentierung. | PyTorch | MIT -Lizenz |
| Edsr-pytorch | Pytorch-Version des Papiers "Enhanced Deep Residual Networks für Einzelbild-Superauflösung". | PyTorch | MIT -Lizenz |
| Bildklassifizierung mobil | Sammlung von Klassifizierungsmodellen, die auf dem ImageNet-1K vorgebracht wurden. | PyTorch | MIT -Lizenz |
| Faderetworks | Fader Networks: Bilder manipulieren, indem sie Attribute rutschen - NIPS 2017. | PyTorch | Creative Commons Attribution-Noncommercial 4.0 Internationaler öffentlicher Lizenz |
| NeuralTalk2-Pytorch | Bildunterschriftenmodell in Pytorch (finanzielles CNN im Zweig mit _finetune). | PyTorch | MIT -Lizenz |
| Randwirenn | Implementierung von: "Erforschung zufällig verdrahteter neuronaler Netzwerke zur Bilderkennung". | PyTorch | Nicht gefunden |
| Stackgan-V2 | Pytorch -Implementierung zur Reproduzierung von Stackgan_v2 führt zum Papierstackgan ++. | PyTorch | MIT -Lizenz |
| Detektronenmodelle für die Objekterkennung | Mit diesem Code können einige der Detektronenmodelle für die Objekterkennung von Facebook AI -Forschung mit Pytorch verwendet werden. | PyTorch | Apache -Lizenz |
| Dextr-Pytorch | In diesem Artikel wird die Verwendung extremer Punkte in einem Objekt (links, rechts, oberer, unterer Pixel) als Eingabe untersucht, um eine präzise Objektsegmentierung für Bilder und Videos zu erhalten. | PyTorch | GNU Allgemeine öffentliche Lizenz |
| pointnet.pytorch | Pytorch -Implementierung für "Pointnet: Deep Learning On Point Sets für 3D -Klassifizierung und -Segmentierung. | PyTorch | MIT -Lizenz |
| selfkritisch.pytorch | Dieses Repository enthält das selbstkritische Sequenztraining für die inoffizielle Implementierung für Bildunterschriften sowie die Aufmerksamkeit von Bottom-up und Top-Down für Bildunterschriften und visuelle Beantwortung der visuellen Frage. | PyTorch | MIT -Lizenz |
| vnet.pytorch | Eine Pytorch-Implementierung für V-NET: vollständig faltungsvolle neuronale Netze für die volumetrische Segmentierung medizinischer Bild. | PyTorch | BSD 3-Klausel-Lizenz |
| pi | Pixel-Weise Segmentierung auf dem VOC2012-Datensatz mit Pytorch. | PyTorch | BSD 3-Klausel-Lizenz |
| PSPNET-PYTORCH | Pytorch -Implementierung des PSPNET -Segmentierungsnetzwerks. | PyTorch | Nicht gefunden |
| Pytorch-Sresnet | Pytorch-Implementierung für photo-realistische Einzelbild-Superauflösungen mit einem generativen kontroversen Netzwerk. | PyTorch | Die MIT -Lizenz (MIT) |
| Pnasnet.pytorch | Pytorch-Implementierung von PNASNET-5 auf ImageNet. | PyTorch | Apache -Lizenz |
| img_classification_pk_pytorch | Vergleiche Ihre Bildklassifizierungsmodelle schnell mit den hochmodernen Modellen. | PyTorch | Nicht gefunden |
| Tiefe neuronale Netze werden leicht täuschen | Hohe Vertrauensvorhersagen für nicht erkennbare Bilder. | PyTorch | MIT -Lizenz |
| pix2pix-pytorch | Pytorch-Implementierung von "Image-zu-Image-Übersetzung unter Verwendung von bedingten kontroversen Netzwerken". | PyTorch | Nicht gefunden |
| Nvidia/Semantik-Segmentierung | Eine Pytorch -Implementierung zur Verbesserung der semantischen Segmentierung durch Videoausbreitung und Label -Relaxation in CVPR2019. | PyTorch | CC BY-NC-SA 4.0-Lizenz |
| Neural-Image-Bewertung | Eine Pytorch -Implementierung der Bewertung der neuronalen Image. | PyTorch | Nicht gefunden |
| Torchxrayvision | Vorbereitete Modelle für die pathologische Vorhersagen der Bruströntgen (CXR). Medizin, Gesundheitswesen, Radiologie | PyTorch | Apache -Lizenz |
| Pytorch-Image-Modelle | Pytorch-Bildmodelle, Skripte, vorgefertigte Gewichte-(SE) resnet/resnext, dpn, effizientes Nett | PyTorch | Apache -Lizenz 2.0 |
| Modellname | Beschreibung | Rahmen | Lizenz |
|---|---|---|---|
| Aufgeschlossen | Der Eröffnungszweck repräsentiert das erste Echtzeit-Mehrfach-Personen-System, das den menschlichen Körper, die Hand und die Gesichtstastoints (in insgesamt 130 Tastouts) auf einzelnen Bildern gemeinsam erfasst. | Caffe | Brauch |
| Vollständige Faltungsnetzwerke für die semantische Segmentierung | Vollständige Faltungsmodelle für die semantische Segmentierung. | Caffe | Nicht gefunden |
| Farbenfrohe Bildfarbe | Farbenfrohe Bildfarbe. | Caffe | BSD-2-Klausel-Lizenz |
| R-FCN | R-FCN: Objekterkennung über regionale vollständige Faltungsnetzwerke. | Caffe | MIT -Lizenz |
| CNN-vis | CNN-Vis inspiriert von Googles jüngstem Inceptionism-Blog-Beitrag und ist ein Open-Source-Tool, mit dem Sie Faltungsnetzwerke verwenden können, um Bilder zu generieren. | Caffe | Die MIT -Lizenz (MIT) |
| Dekonvetz | Lernnetzwerk für die semantische Segmentierung. | Caffe | Brauch |
| Modellname | Beschreibung | Rahmen | Lizenz |
|---|---|---|---|
| Schneller rcnn | Region Proposal Network löst die Objekterkennung als Regressionsproblem. | MXNet | Apache -Lizenz, Version 2.0 |
| SSD | SSD ist ein einheitliches Framework für die Objekterkennung mit einem einzelnen Netzwerk. | MXNet | MIT -Lizenz |
| Schnellerer RCNN+Fokalverlust | Der Code ist eine inoffizielle Version für den Schwerpunkt für eine dichte Objekterkennung. | MXNet | Nicht gefunden |
| CNN-LSTM-CTC | Ich erkenne drei verschiedene Modelle für die Texterkennung, und alle bestehen aus einer CTC -Verlustschicht, um keine Segmentierung für Textbilder zu realisieren. | MXNet | Nicht gefunden |
| FASTER_RCNN_FOR_DOTA | Dies ist das offizielle Repo von Paper Dota: ein groß angelegter Datensatz zur Objekterkennung in Luftbildern . | MXNet | Apache -Lizenz |
| Retinanet | Fokaler Verlust bei einer dichten Objekterkennung. | MXNet | Nicht gefunden |
| Mobilenetv2 | Dies ist eine MXNET -Implementierung der Mobilenetv2 -Architektur, wie in dem Papier invertierten Residuen und linearen Engpässen beschrieben: Mobilfunknetze zur Klassifizierung, Erkennung und Segmentierung . | MXNet | Apache -Lizenz |
| Neuron-Selektivitätsübertragung | Dieser Code ist eine Neuimplementierung der ImageNet-Klassifizierungsexperimente in dem Papier , wie es Ihnen gefällt: Wissensdestill über Neuron-Selektivitätstransfer . | MXNet | Apache -Lizenz |
| Mobilenetv2 | Dies ist eine Gluon -Implementierung der Mobilenetv2 -Architektur, wie in den invertierten Residuen und linearen Engpässen beschrieben: Mobilfunknetze zur Klassifizierung, Erkennung und Segmentierung . | MXNet | Apache -Lizenz |
| spärliche Strukturauswahl | Dieser Code ist eine Neuimplementierung der ImageNet-Klassifizierungsexperimente in der datengesteuerten spärlichen Strukturauswahl für tiefe neuronale Netze . | MXNet | Apache -Lizenz |
| Fastphotostyle | Eine geschlossene Lösung für fotorealistische Bildstilisierung. | MXNet | Creative Commons Attribution-Noncommercial-Sharealike 4.0 Internationaler öffentlicher Lizenz |
Ihre Beiträge sind immer willkommen !! Bitte schauen Sie sich einen Beitrag zum contributing.md zum Thema an.md
MIT -Lizenz
