#图像识别

X-AnyLabeling入门学习资料汇总 - 强大的AI辅助数据标注工具

2 个月前
Cover of X-AnyLabeling入门学习资料汇总 - 强大的AI辅助数据标注工具

open_clip学习资料汇总 - 开源CLIP实现

2 个月前
Cover of open_clip学习资料汇总 - 开源CLIP实现

awesome-deep-learning-papers学习资料汇总 - 深度学习经典论文合集

2 个月前
Cover of awesome-deep-learning-papers学习资料汇总 - 深度学习经典论文合集

WebcamGPT:实时视频流智能交互的革新之作

2 个月前
Cover of WebcamGPT:实时视频流智能交互的革新之作

Simple-OCR-OpenCV: 基于OpenCV和Python的简单OCR引擎

2 个月前
Cover of Simple-OCR-OpenCV: 基于OpenCV和Python的简单OCR引擎

深度学习学习路线图 - 入门指南与资源汇总

2 个月前
Cover of 深度学习学习路线图 - 入门指南与资源汇总

YOLOv3入门学习资料汇总 - 快速高效的目标检测算法

2 个月前
Cover of YOLOv3入门学习资料汇总 - 快速高效的目标检测算法

Tesseract.js学习资源汇总 - 纯JavaScript实现100多种语言的OCR引擎

2 个月前
Cover of Tesseract.js学习资源汇总 - 纯JavaScript实现100多种语言的OCR引擎

LeNet-5 在 MNIST 数据集上的 PyTorch 实现

2 个月前
Cover of LeNet-5 在 MNIST 数据集上的 PyTorch 实现

PaddleOCR-json: 一个便捷高效的离线OCR识别组件

2 个月前
Cover of PaddleOCR-json: 一个便捷高效的离线OCR识别组件
相关项目
Project Cover

tesseract.js

Tesseract.js 是一个功能强大的 JavaScript 库,支持从图像中提取多种语言的文字,适用于浏览器和 Node.js 环境。它利用 WebAssembly 技术封装了 Tesseract OCR 引擎,支持通过 CDN、Webpack 或本地安装进行集成。该库具备低内存占用、快速处理、多种图像格式支持和并行处理功能。最新版本优化了文件大小和运行时性能,兼容多平台,适用于文档扫描和实时视频识别等应用。

Project Cover

Galileo AI

Galileo AI提供先进的AI技术和解决方案,助力企业数据分析与业务优化,促进科技持续创新。

Project Cover

awesome-deep-learning-papers

'Awesome Deep Learning Papers' 提供的是一份经精心策划的文献列表,囊括了2012至2016年间在深度学习领域中引用率最高的研究论文。覆盖从图像处理到自然语言处理等众多研究领域,旨在为研究人员与技术爱好者提供启发思考与深入了解的必读材料。

Project Cover

computervision-recipes

computervision-recipes为数据科学家和机器学习工程师提供计算机视觉领域的实用示例和指南,涵盖面部识别、图像识别等多种视觉任务,并便利地利用先进库加速从概念到实现的全过程,并在云端实现模型训练与部署。

Project Cover

yolov3

YOLOv3是Ultralytics公司开发的开源视觉AI技术,汇集了广泛的研究和丰富经验。平台包含详尽的文档和教程,支持社区讨论,简化学习和实施过程。此技术因其出色性能和易用性,在全球范围内被广泛采用,帮助用户迅速部署并有效训练模型。

Project Cover

open_clip

OpenCLIP是一个先进的开源深度学习项目,专注于OpenAI的CLIP模型的实现和优化。该项目在多样化的数据源和不同的计算预算下成功训练出多个高效能模型,涵盖图像和文本嵌入、模型微调及新模型开发等多个领域。通过增强图像与语言的联合理解能力,OpenCLIP显著推动了人工智能技术的发展,拓宽了其应用领域。

Project Cover

deep-learning-roadmap

为开发者和研究人员提供深度学习的综合资源,从入门到高级应用全覆盖,涵盖图像识别、自然语言处理等关键领域。借助本平台,您可以迅速找到所需资源,掌握最前沿的深度学习技术。

Project Cover

X-AnyLabeling

X-AnyLabeling是一个集合先进模型技术的强大标注工具,集成AI推理引擎,支持图像与视频处理。该工具支持单帧与批量预测,适用于分类、检测、分割和OCR等视觉任务,兼容多种标注样式与主流标签格式。通过使用GPU加速推理,X-AnyLabeling 保证高效率和高精度的处理性能,突出其技术优势。

Project Cover

CLIP

CLIP通过对比学习训练神经网络,结合图像和文本,实现自然语言指令预测。其在ImageNet零样本测试中的表现与ResNet50相当,无需使用原始标注数据。安装便捷,支持多种API,适用于零样本预测和线性探针评估,推动计算机视觉领域发展。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号