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 卷积网络

通过 EfficientNet 微调进行图像分类

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

一个移动友好的基于 Transformer 的图像分类模型

在 TPU 上进行肺炎分类

紧凑卷积 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

一个没有注意力的 Vision Transformer

使用全局上下文 Vision Transformer 进行图像分类

当循环遇到 Transformer

使用 BigTransfer (BiT) 进行图像分类

图像分割

使用类似 U-Net 的架构进行图像分割

使用 DeepLabV3+ 进行多类语义分割

使用 BASNet 进行高精度边界分割

使用可组合的全卷积网络进行图像分割

目标检测

使用 RetinaNet 进行目标检测

基于迁移学习的关键点检测

使用 Vision Transformer 进行目标检测

3D

从 CT 扫描进行 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 进行弱光图像增强

使用高效的子像素 CNN 进行图像超分辨率

用于单图像超分辨率的增强型深度残差网络

用于弱光图像增强的 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

用于提升鲁棒性的图像分类的 RandAugment

图像 & 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

使用积分梯度进行模型可解释性分析

研究 Vision Transformer 的表示

Grad-CAM 类激活可视化

图像相似度搜索

近似重复图像搜索

语义图像聚类

使用具有对比损失的孪生网络进行图像相似度估计

使用具有三元组损失的孪生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

性能技巧

用于更好训练性能的梯度中心化

在 Vision Transformer 中学习标记化

FixRes: 修复训练-测试分辨率差异

具有 LayerScale 的类注意力图像 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 进行半监督和领域自适应

用于对比 SSL 的 Barlow Twins

使用监督进行一致性训练

蒸馏 Vision Transformer

焦点调制：自注意力的替代方案

使用前馈算法进行图像分类

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

监督对比学习

使用 YOLOV8 和 KerasCV 进行高效目标检测