代码示例 / 计算机视觉

计算机视觉

图像分类

V3
从零开始实现图像分类
V3
简单的 MNIST 卷积网络
V3
通过 EfficientNet 微调实现图像分类
V3
使用 Vision Transformer 进行图像分类
V3
使用基于注意力的深度多示例学习进行分类
V3
使用现代 MLP 模型进行图像分类
V3
一个适用于移动设备的基于 Transformer 的图像分类模型
V3
在 TPU 上进行肺炎分类
V3
紧凑型卷积 Transformer
V3
使用 ConvMixer 进行图像分类
V3
使用 EANet(外部注意力 Transformer)进行图像分类
V3
对合神经网络
V3
使用 Perceiver 进行图像分类
V3
使用 Reptile 进行小样本学习
V3
使用 SimCLR 对比预训练实现半监督图像分类
V3
使用 Swin Transformer 进行图像分类
V3
在小数据集上训练 Vision Transformer
V3
一个没有注意力的 Vision Transformer
V3
使用全局上下文 Vision Transformer 进行图像分类
V3
当循环网络遇上 Transformer
V3
使用 BigTransfer (BiT) 进行图像分类

图像分割

V3
使用类 U-Net 架构进行图像分割
V3
使用 DeepLabV3+ 进行多类别语义分割
V2
使用 BASNet 进行高精度边界分割
V3
使用可组合的全卷积网络进行图像分割

目标检测

V2
使用 RetinaNet 进行目标检测
V3
使用迁移学习进行关键点检测
V3
使用 Vision Transformer 进行目标检测

3D

V3
基于 CT 扫描的 3D 图像分类
V3
单目深度估计
V3
使用 NeRF 进行 3D 体积渲染
V3
使用 PointNet 进行点云分割
V3
点云分类

OCR

V3
用于读取验证码的 OCR 模型
V3
手写体识别

图像增强

V3
用于图像去噪的卷积自动编码器
V3
使用 MIRNet 进行低光图像增强
V3
使用高效亚像素 CNN 实现图像超分辨率
V3
用于单图像超分辨率的增强型深度残差网络
V3
用于低光图像增强的 Zero-DCE

数据增强

V3
用于图像分类的 CutMix 数据增强
V3
用于图像分类的 MixUp 数据增强
V3
用于图像分类以提高鲁棒性的 RandAugment

图像 & 文本

V3
图像字幕生成
V2
使用双编码器的自然语言图像搜索

视觉模型可解释性

V3
可视化卷积网络的学习内容
V3
使用积分梯度实现模型可解释性
V3
探究 Vision Transformer 的表示
V3
Grad-CAM 类激活可视化

图像相似度搜索

V2
近似重复图像搜索
V3
语义图像聚类
V3
使用带对比损失的孪生网络进行图像相似度估计
V3
使用带三元组损失的孪生网络进行图像相似度估计
V3
用于图像相似度搜索的度量学习
V2
使用 TensorFlow Similarity 进行图像相似度搜索的度量学习
V3
使用 NNCLR 进行自监督对比学习

视频

V3
使用 CNN-RNN 架构进行视频分类
V3
使用卷积 LSTM 进行下一帧视频预测
V3
使用 Transformer 进行视频分类
V3
视频 Vision Transformer

性能实践

V3
用于提升训练性能的梯度中心化
V3
在 Vision Transformer 中学习如何分词
V3
知识蒸馏
V3
FixRes:修正训练-测试分辨率差异
V3
带 LayerScale 的类注意力图像 Transformer
V3
使用聚合注意力增强卷积网络
V3
学习调整尺寸

其他

V2
使用 AdaMatch 进行半监督学习和领域自适应
V2
用于对比自监督学习的 Barlow Twins
V2
带监督的一致性训练
V2
蒸馏 Vision Transformer
V2
焦点调制:自注意力的替代方案
V2
使用前向-前向算法进行图像分类
V2
使用自编码器进行掩码图像建模
V2
使用 SimSiam 进行自监督对比学习
V2
监督对比学习
V2
使用 YOLOV8 和 KerasCV 进行高效目标检测