一个Python软件包，用于使用 Tensor功能在CPU或GPU上模拟尖峰神经网络（SNN）。
BindsNET是一个尖刺的神经网络仿真库，旨在开发用于机器学习的受生物启发的算法。
该软件包被用作正在进行的研究的一部分，该研究在中将SNN应用于机器学习（ML）和强化学习（RL）问题。
查看，以获取实验集合，结果分析功能，实验结果图等。 该软件包的文档可以在找到。
要求
Python 3.6
requirements.txt
设置东西
使用点子
BindsNET可通过其git存储库获得。 问题
pip install git+https://github.com/BindsNET/bi
2022-04-28 22:44:30
23.52MB
1
，梁静云， ，瑞士苏黎世联邦理工学院
[]
:sparkles: 一些直观的例子： ; ; ; ;
测试代码
（从或下载以下模型）。
RRDB.pth --->
ESRGAN.pth --->
FSSR_DPED.pth --->
FSSR_DPED.pth --->
RealSR_DPED.pth --->
RealSR_JPEG.pth --->
BSRNet.pth :seedling:
BSRGAN :seedling:
大意
设计一个新的降级模型以合成用于训练的LR图像：
1）使模糊，下采样和噪点更加实用
模糊：来自HR空间和LR空间的各向同性和各向异性高斯核的两个卷积
下采样：最近，双线性，双三次，下采样
噪声：高斯噪声，JPEG压缩噪声，处理过的相机传感器噪声
2）降级混洗：我们执行随机混洗的降级以合成LR图像，而不是使用常用的模糊/下采样/降噪管道
关于建议的降级模型的一些注意事项：
降级模型主要用于
2022-04-28 19:14:14
102.08MB
1
YOLOv5火焰识别，代码+训练好的权重+5000多张标注好的VOC格式火焰数据集
详情见：https://blog.csdn.net/zhiqingAI/article/details/124230743
2022-04-28 12:05:18
872.87MB
在这篇文章中，我们将讨论mask R-CNN背后的一些理论，以及如何在PyTorch中使用预训练的mask R-CNN模型。
1.语义分割、目标检测和实例分割
之前已经介绍过：
1、语义分割：在语义分割中，我们分配一个类标签（例如。狗、猫、人、背景等）对图像中的每个像素。
2、目标检测：在目标检测中，我们将类标签分配给包含对象的包围框。
一个非常自然的想法是把两者结合起来。我们只想在一个对象周围识别一个包围框，并且找到包围框中的哪些像素属于对象。 换句话说，我们想要一个掩码，它指示（使用颜色或灰度值）哪些像素属于同一对象。 产生上述掩码的一类算法称为实例分割算法。mask R-CNN就是这样一
2022-04-27 19:18:10
341KB
1
实施StyleNet：使用LSTM生成样式化的图像标题
战队：蔡丽莎，刘德华
介绍
该项目的目的是实现一种图像字幕模型，该模型具有生成风格化字幕（浪漫或有趣）的能力。 我们将基于Microsoft Research Redmond的论文“ StyleNet：用样式生成有吸引力的视觉字幕”建立模型。 我们的模型将以Pytorch编写。
数据
我们的模型使用两个数据集。 第一个是具有图像和事实字幕的Flickr10k数据集，该数据集用于我们的图像字幕任务。 对于我们的语言模型，我们将使用由原始论文的作者发布的FlickrStyle 7k数据集。
技术概述
LSTM模型
我们将从本文应用因式分解LSTM模型。 对于图像字幕，文献中常用的策略是采用预先训练的CNN模型作为编码器，以将图像映射到固定尺寸的特征向量，然后使用LSTM模型作为解码器，以基于图像向量生成字幕。 在这里，“分解的LSTM”
2022-04-27 18:12:31
212KB
1
MobileNet V2的PyTorch实施
+ Release of next generation of MobileNet in my repo *mobilenetv3.pytorch*
+ Release of advanced design of MobileNetV2 in my repo *HBONet* [ICCV 2019]
+ Release of better pre-trained model. See below for details.
如Mark Sandler，Andrew Howard，Menglong Zhu，Andrey Zhmoginov和Liang-Chieh Chen所讲的，使用框架对ILSVRC2012基准进行了。
此实现提供了一个示例过程，用于训练和验证任何流行的深度神经网络体系结构，并集成了模块化数据处理，训练，日志记录和可视化。
2022-04-27 17:02:51
108.22MB
1
1、yolov5x模型
2、安全帽佩戴识别
3、视频识别（代码）
4、图片识别（代码）
2022-04-26 16:12:12
151.14MB
1
初始分数火炬
Pytorch缺少用于计算GAN初始得分的代码。 该存储库填补了这一空白。 但是，我们不建议使用初始分数来评估生成模型，有关原因，请参见。
入门
克隆存储库并导航到它：
$ git clone git@github.com:sbarratt/inception-score-pytorch.git
$ cd inception-score-pytorch
要生成随机的64x64图像并计算初始分数，请执行以下操作：
$ python inception_score.py
唯一的功能是inception_score 。 它获取一张归一化为[0,1]范围的numpy图像列表和一组参数，然后计算初始分数。 请确保您的图像是3x299x299，如果不是（例如，您的GAN在CIFAR上接受过培训），请在将图像传递到初始网络之前，将resize=True传递给该函数，使其使用双线性插
2022-04-25 21:10:32
4KB
1