CV pretrained model
Initial Release
Предварительно обученная модель-это модель, созданная кем-то еще для решения аналогичной проблемы. Вместо того, чтобы построить модель с нуля, чтобы решить аналогичную проблему, мы можем использовать модель, обученную другой проблеме в качестве отправной точки. Предварительно обученная модель может не быть на 100% точной в вашем приложении.
Например, если вы хотите построить самоучащегося автомобиля. Вы можете потратить годы, чтобы построить приличный алгоритм распознавания изображений с нуля, или вы можете принять модель начальной (предварительно обученную модель) из Google, который был построен на данных ImageNet для идентификации изображений на этих изображениях.
Вы можете увидеть визуализации сетевой архитектуры каждой модели с помощью Netron.
| Название модели | Описание | Рамки | Лицензия |
|---|---|---|---|
| Объект | Локализация и идентификация нескольких объектов в одном изображении. | Tensorflow | Лицензия Apache |
| Маска R-CNN | Модель генерирует ограничивающие ящики и маски сегментации для каждого экземпляра объекта в изображении. Он основан на функциональной сети пирамид (FPN) и магистрали Resnet101. | Tensorflow | Лицензия MIT (MIT) |
| Быстрее | Это экспериментальная реализация Tensorflow более быстрого RCNN - конвнета для обнаружения объектов с сетью предложений региона. | Tensorflow | MIT Лицензия |
| Yolo Tensorflow | Это реализация TensorFlow of Yolo: обнаружение объектов в реальном времени. | Tensorflow | Обычай |
| YOLO TENSORFLOW ++ | Реализация TensorFlow «YOLO: обнаружение объектов в реальном времени», с обучением и реальной поддержкой для работы в реальном времени на мобильных устройствах. | Tensorflow | Глабальная публичная лицензия GNU |
| Mobilenet | Mobilenets объединяется между задержкой, размером и точностью, выгодно сравнивая с популярными моделями из литературы. | Tensorflow | Лицензия MIT (MIT) |
| Deeplab | Глубокая маркировка сегментации семантического изображения. | Tensorflow | Лицензия Apache |
| Колорне | Нейронная сеть для раскрашивания изображений серого. | Tensorflow | Не найдено |
| Срган | Фотореалистичное одно изображение Супер разрешение с использованием генеративной состязательной сети. | Tensorflow | Не найдено |
| Deeposm | Тренируйте тензорфлоу нервные сети с OpenStreetMap особенностями и спутниковыми изображениями. | Tensorflow | Лицензия MIT (MIT) |
| Доменная передача сети | Реализация неконтролируемой генерации изображений междомена. | Tensorflow | MIT Лицензия |
| Покажите, посещайте и скажите | Основанный на внимании генератор подписи изображения. | Tensorflow | MIT Лицензия |
| Android-Yolo | Обнаружение объектов в реальном времени на Android с использованием сети YOLO, включенной в TensorFlow. | Tensorflow | Лицензия Apache |
| DCSCN Super Resolution | Это внедрение TensorFlow «быстрого и точного супер-разрешения изображения с помощью Deep CNN с Skip Connection и сетью в сети», модели с одним из них, основанной на глубоком обучении (SISR), на основе глубокого обучения. | Tensorflow | Не найдено |
| Gan-Cls | Это экспериментальная реализация синтезирования изображений с тензорфловом. | Tensorflow | Не найдено |
| U-Net | Для сегментации опухоли головного мозга. | Tensorflow | Не найдено |
| Улучшен Cyclegan | Непарное изображение в перевод изображения. | Tensorflow | MIT Лицензия |
| Im2txt | Нейронная сеть изображения в тексте для подписания изображения. | Tensorflow | Лицензия Apache |
| СТРОЙНЫЙ | Модели классификации изображений в TF-SLIM. | Tensorflow | Лицензия Apache |
| Девчонка | Глубокие локальные функции для сопоставления изображений и поиска. | Tensorflow | Лицензия Apache |
| Сжатие | Сжатие и декомпрессия изображений с использованием предварительно обученной остаточной сети GRU. | Tensorflow | Лицензия Apache |
| Внимание | Модель для извлечения текста изображения реального мира. | Tensorflow | Лицензия Apache |
| Название модели | Описание | Рамки | Лицензия |
|---|---|---|---|
| Маска R-CNN | Модель генерирует ограничивающие ящики и маски сегментации для каждого экземпляра объекта в изображении. Он основан на функциональной сети пирамид (FPN) и магистрали Resnet101. | Keras | Лицензия MIT (MIT) |
| VGG16 | Очень глубокие сверточные сети для крупномасштабного распознавания изображений. | Keras | Лицензия MIT (MIT) |
| VGG19 | Очень глубокие сверточные сети для крупномасштабного распознавания изображений. | Keras | Лицензия MIT (MIT) |
| Resnet | Глубокое остаточное обучение для распознавания изображений. | Keras | Лицензия MIT (MIT) |
| Resnet50 | Глубокое остаточное обучение для распознавания изображений. | Keras | Лицензия MIT (MIT) |
| Наснет | NASNET относится к сети поиска нейронной архитектуры, семейству моделей, которые были разработаны автоматически путем изучения модельных архитектур непосредственно в интересующем наборе данных. | Keras | Лицензия MIT (MIT) |
| Mobilenet | Модели Mobilenet V1 для керас. | Keras | Лицензия MIT (MIT) |
| Mobilenet v2 | Модели Mobilenet V2 для керас. | Keras | Лицензия MIT (MIT) |
| Mobilenet v3 | Модели Mobilenet V3 для керас. | Keras | Лицензия MIT (MIT) |
| EfficeNet | Переосмысление масштабирования модели для сверточных нейронных сетей. | Keras | Лицензия MIT (MIT) |
| Аналогии изображения | Создать аналогии с изображением, используя нейронное сопоставление и смешивание. | Keras | Лицензия MIT (MIT) |
| Популярные модели сегментации изображений | Реализация Segnet, FCN, UNET и других моделей в керах. | Keras | MIT Лицензия |
| Ультразвуковая нервная сегментация | В этом уроке показано, как использовать библиотеку Keras для построения глубокой нейронной сети для ультразвуковой сегментации нервной снимки. | Keras | MIT Лицензия |
| Сегментация объекта DeepMask | Это внедрение Python Python на основе Keras- сложная глубокая нейронная сеть для масок сегментации объектов обучения. | Keras | Не найдено |
| Монолингвальная и многоязычная подписание изображений | Это исходный код, который сопровождает многоязычное описание изображения с моделями нейронных последовательностей. | Keras | Лицензия BSD-3-CLAUSE |
| Pix2pix | Керас реализация перевода с изображения на изображение с условными состязательными сетями Филиппа Изола, Джун-Яна Чжу, Тингхуи Чжоу, Алексей А. | Keras | Не найдено |
| Красочная раскращение изображения | B & W to Color. | Keras | Не найдено |
| Цикл | Внедрение непарного перевода с изображением к изображению с использованием велосипедных состязательных сетей . | Keras | MIT Лицензия |
| Dualgan | Реализация Dualgan: неконтролируемое двойное обучение для перевода с изображения на изображение . | Keras | MIT Лицензия |
| Супер-разрешение Ган | Реализация фотореалистичного одноизображения супер-разрешение с использованием генеративной состязательной сети . | Keras | MIT Лицензия |
| Название модели | Описание | Рамки | Лицензия |
|---|---|---|---|
| detectron2 | Detectron2-программная система Facebook AI Research, которая реализует современные алгоритмы обнаружения объектов | PyTorch | Apache License 2.0 |
| FastPhotostyle | Закрытое решение для фотореалистической стилизации изображения. | PyTorch | Creative Commons attribution-noncommercial-sharealike 4.0 International Public Licens |
| pytorch-cyclegan-and-pix2pix | Закрытое решение для фотореалистической стилизации изображения. | PyTorch | Лицензия BSD |
| Maskrcnn-Benchmark | Быстрая модульная эталонная реализация алгоритмов сегментации экземпляров и обнаружения объектов в Pytorch. | PyTorch | MIT Лицензия |
| Глубокий изображение | Восстановление изображений с нейронными сетями, но без обучения. | PyTorch | Apache License 2.0 |
| Старган | Stargan: унифицированные генеративные состязательные сети для многодоменного перевода изображения на изображение. | PyTorch | MIT Лицензия |
| быстрее-rcnn.pytorch | Этот проект представляет собой более быструю реализацию R-CNN, направленную на ускорение обучения более быстрым моделям обнаружения объектов R-CNN. | PyTorch | MIT Лицензия |
| Pix2pixhd | Синтезирование и манипулирование изображениями 2048x1024 с условными газами. | PyTorch | Лицензия BSD |
| Акментор | Библиотека увеличения изображений в Python для машинного обучения. | PyTorch | MIT Лицензия |
| Ольмбиментации | Библиотека быстрого увеличения изображений. | PyTorch | MIT Лицензия |
| Глубокая видео -аналитика | Deep Video Analytics - это платформа для индексации и извлечения информации из видео и изображений | PyTorch | Обычай |
| Семантическая сегментация-питор | Реализация Pytorch для семантической сегментации/анализа сцены на наборе данных MIT ADE20K. | PyTorch | BSD 3-rack License |
| Сквозная тренировочная нейронная сеть для распознавания последовательностей на основе изображений | Это программное обеспечение реализует сверточную рецидивирующую нейронную сеть (CRNN), комбинацию потерь CNN, RNN и CTC для задач распознавания последовательностей на основе изображений, таких как распознавание текста сцены и OCR. | PyTorch | Лицензия MIT (MIT) |
| ЕДИНИЦА | Реализация Pytorch нашего связанного алгоритма VAE-GAN для неконтролируемого перевода изображения на изображение. | PyTorch | Creative Commons Attribution-Noncommercial-Sharealike 4.0 Международная публичная лицензия 4.0 |
| Модель маркировки нейронной последовательности | Модели маркировки последовательностей довольно популярны во многих задачах НЛП, таких как названное распознавание сущности (NER), часть речи (POS) и сегментация слов. | PyTorch | Лицензия Apache |
| быстрее rcnn | Это реализация Pytorch более быстрого RCNN. Этот проект в основном основан на PY-FAST-RCNN и TFFRCNN. Для получения подробной информации о R-CNN, пожалуйста, обратитесь к бумаге быстрее R-CNN: к обнаружению объектов в реальном времени с сети предложений региона Шаоцином Реном, Kaiming HE, Ross Girshick, Jian Sun. | PyTorch | MIT Лицензия |
| питор-семантический сегментация | Pytorch для семантической сегментации. | PyTorch | MIT Лицензия |
| Edsr-Pytorch | Pytorch версия бумаги «Улучшенные глубокие остаточные сети для одноэтажного супер-разрешения». | PyTorch | MIT Лицензия |
| Классификация изображения-мобиль | Сбор моделей классификации, предварительно подготовленных на ImageNet-1K. | PyTorch | MIT Лицензия |
| FadernetWorks | Fader Networks: манипулирование изображениями с помощью скользящих атрибутов - NIPS 2017. | PyTorch | Creative Commons Attribution-Noncommercial 4.0 Международная публичная лицензия |
| Neuraltalk2-Pytorch | Модель подписания изображения в Pytorch (Manetunable CNN в Branch с_finetune). | PyTorch | MIT Лицензия |
| Рэндвиренн | Реализация: «Изучение случайно проводных нейронных сетей для распознавания изображений». | PyTorch | Не найдено |
| Stackgan-V2 | Реализация Pytorch для воспроизведения Stackgan_v2 приводит к бумаге Stackgan ++. | PyTorch | MIT Лицензия |
| Модели Detectron для обнаружения объектов | Этот код позволяет использовать некоторые модели Detectron для обнаружения объектов из исследования Facebook AI с Pytorch. | PyTorch | Лицензия Apache |
| Dextr-Pytorch | В этой статье рассматривается использование экстремальных точек в объекте (по самой левой, правой, верхней, нижней пикселях) в качестве входных данных для получения точной сегментации объекта для изображений и видео. | PyTorch | Глабальная публичная лицензия GNU |
| pointnet.pytorch | Реализация Pytorch для «PointNet: глубокое обучение на наборах точек для 3D -классификации и сегментации. | PyTorch | MIT Лицензия |
| самокритичный. Pytorch | Этот репозиторий включает в себя неофициальную реализацию самокритической последовательности для подписания изображений, а также снизу вверх и вниз внимания для подписания изображения и ответа на визуальные вопросы. | PyTorch | MIT Лицензия |
| vnet.pytorch | Реализация Pytorch для V-Net: полностью сверточные нейронные сети для объемной сегментации медицинского изображения. | PyTorch | BSD 3-rack License |
| пин | Пиксельная сегментация на наборе данных VOC2012 с использованием Pytorch. | PyTorch | BSD 3-rack License |
| PSPNet-Pytorch | Реализация Pytorch сегментации PSPNet. | PyTorch | Не найдено |
| Pytorch-Srresnet | Реализация Pytorch для фотореалистичного одноизображения супер-разрешение с использованием генеративной состязательной сети. | PyTorch | Лицензия MIT (MIT) |
| Pnasnet.pytorch | Реализация Pytorch PnasNet-5 на ImageNet. | PyTorch | Лицензия Apache |
| img_classification_pk_pytorch | Быстро сравнивая ваши модели классификации изображений с самыми современными моделями. | PyTorch | Не найдено |
| Глубокие нейронные сети легко обманывают | Высокие прогнозы доверия для неузнаваемых изображений. | PyTorch | MIT Лицензия |
| Pix2pix-Pytorch | Реализация Pytorch «трансляции изображения на изображение с использованием условных состязательных сетей». | PyTorch | Не найдено |
| NVIDIA/SEMANTIC-сегментация | Реализация Pytorch улучшения семантической сегментации посредством распространения видео и релаксации этикетки, в CVPR2019. | PyTorch | CC BY-NC-SA 4.0 Лицензия |
| Нейронная оценка | Реализация Pytorch оценки нейронного изображения. | PyTorch | Не найдено |
| TOCHXRAYVISION | Предварительные модели для прогнозов патологии рентгеновского излучения (CXR). Медицинский, здравоохранение, радиология | PyTorch | Лицензия Apache |
| Pytorch-Image-Models | Модели изображений Pytorch, сценарии, предварительно подготовленные веса-(SE) RESNET/RESNEXT, DPN, EFFIFITNET, MIXTENT, MOBILENET-V3/V2, MNASNET, NAS с одним путем, FBNET и другие | PyTorch | Apache License 2.0 |
| Название модели | Описание | Рамки | Лицензия |
|---|---|---|---|
| Открыть | Openpose представляет собой первую многопользовательскую систему в реальном времени, которая совместно обнаружила клавиатуры человеческого тела, рук и лица (в общей сложности 130 клавиш) на отдельных изображениях. | Caffe | Обычай |
| Полностью сверточные сети для семантической сегментации | Полностью сверточные модели для семантической сегментации. | Caffe | Не найдено |
| Красочная раскращение изображения | Красочная раскращение изображения. | Caffe | Лицензия BSD-2-CLAUSE |
| R-fcn | R-FCN: обнаружение объектов через региональные полностью сверточные сети. | Caffe | MIT Лицензия |
| CNN-Vis | Вдохновленный недавним сообщением в блоге Google, CNN-VIS-это инструмент с открытым исходным кодом, который позволяет вам использовать сверточные нейронные сети для создания изображений. | Caffe | Лицензия MIT (MIT) |
| Деконвнет | Обучение сети деконволюции для семантической сегментации. | Caffe | Обычай |
| Название модели | Описание | Рамки | Лицензия |
|---|---|---|---|
| Быстрее rcnn | Сеть предложения региона решает обнаружение объекта как задача регрессии. | MXNet | Apache License, версия 2.0 |
| SSD | SSD - это унифицированная структура для обнаружения объектов с помощью одной сети. | MXNet | MIT Лицензия |
| Более быстрая потери фокала | Код является неофициальной версией для фокусной потери для плотного обнаружения объектов. | MXNet | Не найдено |
| CNN-LSTM-CTC | Я понимаю три разные модели для распознавания текста, и все они состоят из слоя потерь CTC, чтобы не реализовать сегментацию для текстовых изображений. | MXNet | Не найдено |
| FAST_RCNN_FOR_DOTA | Это официальное репо Paper Dota: крупномасштабный набор данных для обнаружения объектов на воздушных изображениях . | MXNet | Лицензия Apache |
| Сетчатка | Фокусная потеря для обнаружения плотного объекта. | MXNet | Не найдено |
| Mobilenetv2 | Это реализация MXNET архитектуры MobilEnetV2, как описано в бумажном перевернутом остатках и линейных узких местах: мобильные сети для классификации, обнаружения и сегментации . | MXNet | Лицензия Apache |
| нейрон-селективность-перенос | Этот код представляет собой повторное внедрение экспериментов по классификации ImageNet в статье , подобно тому, что вам нравится: знания перегоняют с помощью селективности нейронов . | MXNet | Лицензия Apache |
| Mobilenetv2 | Это реализация архитектуры MobilEnetV2, как описано в бумажном перевернутом остатках и линейных узких местах: мобильные сети для классификации, обнаружения и сегментации . | MXNet | Лицензия Apache |
| Разреженная структура | Этот код представляет собой повторное внедрение экспериментов по классификации ImageNet в выборе разреженной структуры, основанной на бумаге, для глубоких нейронных сетей . | MXNet | Лицензия Apache |
| FastPhotostyle | Закрытое решение для фотореалистической стилизации изображения. | MXNet | Creative Commons Attribution-Noncommercial-Sharealike 4.0 Международная публичная лицензия 4.0 |
Ваш вклад всегда приветствуются !! Пожалуйста, посмотрите на contributing.md
MIT Лицензия
