计算机视觉 - Keras 机器学习库

► 代码示例 / 计算机视觉

计算机视觉

图像分类

从零开始的图像分类

简单的 MNIST 卷积神经网络

使用 EfficientNet 进行微调的图像分类

使用 Vision Transformer 进行图像分类

使用基于注意力机制的深度多实例学习进行分类

使用现代 MLP 模型进行图像分类

面向移动设备的 Transformer 图像分类模型

TPU 上的肺炎分类

紧凑型卷积 Transformer

使用 ConvMixer 进行图像分类

使用 EANet（外部注意力 Transformer）进行图像分类

卷积神经网络

使用 Perceiver 进行图像分类

使用 Reptile 进行小样本学习

使用 SimCLR 进行对比预训练的半监督图像分类

使用 Swin Transformer 进行图像分类

在小数据集上训练 Vision Transformer

无注意力的 Vision Transformer

使用全局上下文 Vision Transformer 进行图像分类

循环与 Transformer 的结合

使用 BigTransfer (BiT) 进行图像分类

图像分割

使用类 U-Net 架构进行图像分割

使用 DeepLabV3+ 进行多类别语义分割

使用 BASNet 进行高精度边界分割

使用可组合全卷积网络进行图像分割

对象检测

使用 RetinaNet 进行对象检测

使用迁移学习进行关键点检测

使用 Vision Transformer 进行对象检测

3D

CT 扫描 3D 图像分类

单目深度估计

使用 NeRF 进行 3D 体积渲染

使用 PointNet 进行点云分割

OCR

用于识别验证码的 OCR 模型

图像增强

用于图像去噪的卷积自编码器

使用 MIRNet 进行低光照图像增强

使用高效亚像素卷积进行图像超分辨率

用于单图像超分辨率的增强残差网络

用于低光照图像增强的 Zero-DCE

数据增强

用于图像分类的 CutMix 数据增强

用于图像分类的 MixUp 数据增强

用于提高图像分类鲁棒性的 RandAugment

图像与文本

图像字幕生成

使用双编码器的自然语言图像搜索

视觉模型可解释性

可视化卷积神经网络的学习内容

使用集成梯度进行模型可解释性分析

探究 Vision Transformer 的表示

Grad-CAM 类别激活可视化

图像相似度搜索

近重复图像搜索

语义图像聚类

使用具有对比损失的 Siamese 网络进行图像相似度估计

使用具有三元组损失的 Siamese 网络进行图像相似度估计

用于图像相似度搜索的度量学习

使用 TensorFlow Similarity 进行图像相似度搜索的度量学习

使用 NNCLR 进行自监督对比学习

视频

使用 CNN-RNN 架构进行视频分类

使用卷积 LSTM 进行下一帧视频预测

使用 Transformer 进行视频分类

视频 Vision Transformer

性能优化技巧

梯度中心化以提高训练性能

学习在 Vision Transformer 中进行标记化

FixRes：解决训练-测试分辨率不一致问题

带有 LayerScale 的类别注意力图像 Transformer

使用聚合注意力增强卷积神经网络

学习调整图像大小

其他

使用 AdaMatch 进行半监督和领域自适应

用于对比 SSL 的 Barlow Twins

带监督的一致性训练

蒸馏 Vision Transformers

焦点调制：一种自注意力替代方案

使用前向-前向算法进行图像分类

使用自编码器进行掩码图像建模

使用 SimSiam 进行自监督对比学习

监督对比学习

使用 YOLOV8 和 KerasCV 进行高效对象检测