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

从头开始进行图像分类

简单的 MNIST 卷积网络

使用 EfficientNet 进行微调实现图像分类

使用 Vision Transformer 进行图像分类

使用基于注意力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

基于 Transformer 的移动端友好图像分类模型

在 TPU 上进行肺炎分类

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

内卷神经网络

使用 Perceiver 进行图像分类

使用 Reptile 进行少样本学习

使用 SimCLR 对比预训练进行半监督图像分类

使用 Swin Transformer 进行图像分类

在小型数据集上训练 Vision Transformer

无注意力的 Vision Transformer

使用全局上下文 Vision Transformer 进行图像分类

当循环遇上 Transformer

使用 BigTransfer (BiT) 进行图像分类

图像分割

使用 U-Net 类架构进行图像分割

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

从 CT 扫描图像进行 3D 图像分类

单目深度估计

使用 NeRF 进行 3D 体渲染

使用 PointNet 进行点云分割

OCR

用于读取验证码的 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

使用高效子像素 CNN 进行图像超分辨率

用于单图像超分辨率的增强深度残差网络

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 增强

用于图像分类的 RandAugment 以提高鲁棒性

图像与文本

图像描述生成

使用双编码器进行自然语言图像搜索

视觉模型可解释性

可视化卷积网络学习到的内容

使用 Integrated Gradients 进行模型可解释性分析

研究 Vision Transformer 表示

Grad-CAM 类别激活可视化

图像相似度搜索

近似重复图像搜索

语义图像聚类

使用对比损失的 Siamese 网络进行图像相似度估计

使用 Triplet 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

用于提升训练性能的梯度中心化

在 Vision Transformer 中学习分词

FixRes：修复训练-测试分辨率差异

带 LayerScale 的类别注意力图像 Transformer

使用聚合注意力增强卷积网络

学习调整大小

其他

使用 AdaMatch 进行半监督和域适应

用于对比 SSL 的 Barlow Twins

有监督的一致性训练

蒸馏 Vision Transformer

焦点调制：自注意力的替代方案

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 🤗Transformers 的 Segment Anything 模型

使用 SegFormer 和 Hugging Face Transformers 进行语义分割

使用 SimSiam 进行自监督对比学习

有监督对比学习

使用 YOLOV8 和 KerasCV 进行高效对象检测