crisp-boundaries Python

Fork 0 关注 0

本项目是使用逐点互信息进行边界检测和图像分割。将图像作为输入，并将尝试在该图像中查找对象边界。本项目设计了一种检测边界的新方法：与属于不同对象的像素相比，属于同一对象的像素具有更高的统计依赖性。本项目展示了如何使用逐点互信息基于此原理导出亲和力度量，并且展示了该度量确实可以很好地预测两个像素是否位于同一对象上。使用这种亲和力和光谱聚类，可以在图像中找到对象边界，从而在BSDS500数据集上获得最新的结果。

原始仓库地址：https://github.com/phillipi/crisp-boundaries.git

pix2pix Python

Fork 0 关注 0

本项目是基于 Torch 实现的图像到图像的翻译任务。Pix2pix 的生成器 G 用到的是 U-Net 结构，输入的轮廓图x编码再解码成真实图片，判别器 D 用到的是作者自己提出来的条件判别器 PatchGAN ，判别器 D 的作用是在轮廓图 x的条件下，对于生成的图片G(x)判断为假，对于真实图片判断为真。

原始仓库地址：https://github.com/phillipi/pix2pix.git

diy-deep-learning-workstation Verilog

Fork 0 关注 0

本项目是一个学习项目，用于从头开始构建深度学习工作站。本项目针对TensorFlow的Ubuntu 14.04编写，也适用于大部分环境。本项目从零配件选购、组装一台工作站，到安装系统、CUDA、TensorFlow都有详细的教程，为初学者提供一站式的服务。

原始仓库地址：https://github.com/charlesq34/diy-deep-learning-workstation.git

3dcnn.torch Python

Fork 0 关注 0

本项目设计了一个 3D-CNN 网络，用于对3D数据进行特征提取和对象分类。本项目设计了基于体积的3D-CNN网络，能更好的捕捉物体体积信息，对分类等任务提供更好的帮助。

原始仓库地址：https://github.com/charlesq34/3dcnn.torch.git

frustum-pointnets Python

Fork 0 关注 0

本项目是从RGB-D数据中进行的3D物体检测任务。通过利用2D对象检测器，可以大大减少3D搜索空间以进行对象定位。图像中的高分辨率和丰富的纹理信息还可以使较小的物体获得较高的召回率，这些物体很难仅靠点云定位。通过采用PointNet架构，我们可以直接在3D点云上工作，而无需将其体素化为网格或将其投影到图像平面。由于我们直接在点云上工作，因此我们能够完全利用3D几何进行一系列坐标归一化，有助于消除学习问题。

原始仓库地址：https://github.com/charlesq34/frustum-pointnets.git

pointnet2 Python

Fork 0 关注 0

本项目是使用点云进行的分类、分割等任务。PointNet模型存在一些问题，例如其要么独立转换单个点的特征，要么处理整个点集的全局特征。但是，在许多情况下，存在明确定义的距离度量，例如3D传感器收集的3D点云的欧几里得距离或等距形状表面等歧管的测地距离。本项目中使用空间局部性这些点集，就像卷积神经网络中一样，可以随着上下文比例的增加而学习层次结构特征。

原始仓库地址：https://github.com/charlesq34/pointnet2.git

pointnet Python

Fork 0 关注 0

本项目是基于3D点云（point cloud）进行的物体分割、分类等任务。点云是几何数据结构的一种重要类型。由于格式不规则，大多数研究人员将此类数据转换为规则的3D体素网格或图像集合。但是，这使数据变得不必要地庞大并引起问题。本项目设计了PointNet，为从对象分类，零件分割到场景语义解析的应用程序提供了统一的体系结构，简单且高效。

原始仓库地址：https://github.com/charlesq34/pointnet.git

fastai_audio Python

Fork 0 关注 0

本项目是基于 fastai 实现的通过加载原始音频文件并动态生成频谱图的项目。本项目采用信号的小重叠块，并通过快速傅立叶变换（FFT）转换音频，以将它们从时域转换为频域。在通过FFT运行每个部分之后，可以将结果转换为极坐标，从而提供不同频率的幅度和相位。

原始仓库地址：https://github.com/sevenfx/fastai_audio.git

fastai_deeplearn_part1 Python

Fork 0 关注 0

本项目是一个关于 fastai 平台的学习笔记。fastai库使用现代最佳实践简化了快速而准确的神经网络的训练。它基于对fast.ai进行的深度学习最佳实践的研究 ，其中包括对vision，text，tabular和collab （协同过滤）模型的"开箱即用"支持。本项目涵盖了2016年秋季至2019年春的官方课程内容。

原始仓库地址：https://github.com/reshamas/fastai_deeplearn_part1.git

fastai-v3 Python

Fork 0 关注 0

本项目用于在 Render 平台上部署 fastai 深度学习项目。Fastai是一个课程平台，一个讨论社区，也是一个PyTorch的顶层框架。Fastai的理念就是让神经网络没那么望而生畏，其课程也是采用项目驱动的方式教学，类似Keras，封装顶层框架。

原始仓库地址：https://github.com/render-examples/fastai-v3.git