点击上方“机器学习与生成对抗网络”
获取前沿干货！
文章 七月在线实验室
computervision-recipes 计算机视觉的最佳实践，代码示例和文档。
该存储库提供了用于构建计算机视觉系统的示例和最佳实践准则。该存储库的目标是构建一套全面的工具和示例，以利用计算机视觉算法，神经体系结构和此类系统的最新进展。
该存储库不是从头开始创建实现，而是从现有的最新库中提取资源，并围绕加载图像数据，优化和评估模型以及扩展到云构建附加的实用程序。
这些示例和实用程序可以简化从定义业务问题到开发解决方案数量级的经验，从而大大减少“上市时间”。此外，示例笔记本将作为指南，并以多种语言展示工具的最佳实践和用法。
目标受众：
该存储库的目标受众包括数据科学家和机器学习工程师，他们具有不同级别的计算机视觉知识，因为内容仅是源代码，并且针对自定义机器学习建模。提供的实用程序和示例旨在用作解决实际视觉问题的解决方案加速器。
情境：
以下是此存储库中涵盖的常用计算机视觉方案的摘要。对于每个主要方案（“Base”），都提供有效地构建模型的工具。这包括一些简单的任务，例如根据数据微调您的模型，而执行更复杂的任务。
项目地址：
https://github.com/microsoft/computervision-recipes
02
YOLOv5_NCNN Ncnn在移动设备上的部署
Ncnn在移动设备上的部署，支持：摄像机上的YOLO v5s，YOLOv4-tiny，MobileNetV2-YOLOv3-nano，Simple-Pose，Yolact，ChineseOCR-lite，ENet，Landmark 106和DBFace。
模型：
YOLOv5s
YOLOv4-tiny
YOLOv3-nano
简单姿势
Yolact
ChineseOCR_lite
ENet
Landmark106
DBFace
MBNv2-FCN
项目地址：
https://github.com/WZTENG/YOLOv5_NCNN
03
TengineKit 免费移动端实时人脸212关键点SDK
主要功能：：
人脸检测
人脸关键点
人脸3d关键点
人脸属性像性别，年龄，是否戴眼镜，是否微笑，颜值
眼睛眼球及眼眶的检测和关键点
手部检测(尚未手机实时)
手部关键点(尚未手机实时)
身体检测(尚未手机实时)
身体关键点(尚未手机实时)
项目地址：
https://github.com/OAID/TengineKit/blob/master/docs/README_CN.md
04
BMW-Labeltool-Lite 用于最新深度学习训练目的易于使用的标注工具
该存储库标注工具，几乎不需要或不需要任何配置！该工具的功能范围已缩小到最必要的程度。可以立即使用Dockerized标签工具为最先进的深度学习培训标签图像。
还可以直接使用LabelingTool提供的标签来通过Yolov4和Tensorflow Training GUI存储库进行训练：
https://github.com/BMW-InnovationLab/BMW-TensorFlow-Training-GUI
https://github.com/BMW-InnovationLab/BMW-YOLOv4-Training-Automation
项目地址：
https://github.com/BMW-InnovationLab/BMW-Labeltool-Lite
05
nlpcda 中文数据增强包
中文数据增强工具，支持：
1.随机实体替换
2.随机近义词替换
3.近义近音字替换
4.随机字删除（内部细节：数字时间日期片段，内容不会删）
5.新增：NER类 BIO 数据增强
6.新增 随机置换邻近的字：研表究明，汉字序顺并不定一影响文字的阅读理解<<是乱序的
7.新增百度中英翻译互转实现的增强
8.新增中文等价字替换（1 一 壹 ①，2 二 贰 ②）
意义：
在不改变原文语义的情况下，生成指定数量的训练语料文本；
对NLP模型的泛化性能、对抗攻击、干扰波动，有很好的提升作用；
项目地址：
https://github.com/425776024/nlpcda
06
mmclassification OpenMMLab图像分类工具箱和基准
MMClassification是基于PyTorch的开源图像分类工具箱。它是OpenMMLab项目的一部分。
主要特点：
各种骨干和预先训练的模型
训练技巧包
大规模训练配置
高效率和可扩展性
支持的骨干网：
ResNet
ResNeXt
SE-ResNet
SE-ResNeXt
RegNet
ShuffleNetV1
ShuffleNetV2
MobileNetV2
MobileNetV3
项目地址：
https://github.com/open-mmlab/mmclassification
07
mmpose OpenMMLab姿势估计工具箱和基准
MMPose是一个基于PyTorch的开源姿势估计工具箱。它是OpenMMLab项目的一部分。
主要特点：
支持自上而下和自下而上的方法。
MMPose实现了多种先进的（SOTA）深度学习模型来进行人体姿势估计，包括自上而下和自下而上的方法。
更高的效率和更高的精度。
与HRNet等其他流行的代码库相比，可以获得更快的培训速度和更高的准确性。
支持各种数据集。
该工具箱直接支持多个数据集，COCO，AIC，MPII，MPII-TRB，OCHuman等。
精心设计，测试和记录。
将MMPose分解为不同的组件，并且可以通过组合不同的模块轻松构建自定义的姿势估计框架。提供详细的文档和API参考以及单元测试。
模型公园：
基准测试：
我们在标准COCO关键点检测基准上证明了MMPose框架在速度和准确性方面的优越性。
项目地址：
https://github.com/open-mmlab/mmpose
猜您喜欢：
附下载 |《TensorFlow 2.0 深度学习算法实战》
附下载 | 超100篇！CVPR 2020最全GAN论文梳理汇总！
4053
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
