Startseite Projekte soundnet
soundnet
Lua

soundnet

SoundNet: Lernen von Klangdarstellungen aus unlabeled Videos. NIPS 2016

von cvondrick · GitHub
Sterne
Forks
Lizenz
Erstellt
Letzter Commit
Sprache
computer-visiondeep-learningsoundMITLua
Auf GitHub ansehen
In einfachen Worten

Lernen Sie über Klang, indem Sie Audio aus Videos analysieren, ohne dass gekennzeichnete Daten erforderlich sind.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
soundnet — GitHub preview card
📈 Sternhistorie
467466
2026-07-202026-08-31
📈 soundnet verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

SoundNet: Lernen von Klangdarstellungen aus unlabeled Videos. NIPS 2016

soundnet hat 466 Sterne auf GitHub. Es wurde 94-mal geforkt. soundnet ist hauptsächlich in Lua geschrieben. Es wird seit 2016 aktiv entwickelt. soundnet ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, deep-learning, sound.

Frequently asked questions

Was ist soundnet?

SoundNet: Lernen von Klangdarstellungen aus unlabeled Videos. NIPS 2016

Ist soundnet Open Source?

soundnet ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist soundnet kostenlos?

Ja. soundnet ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht soundnet?

soundnet ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist soundnet geschrieben?

soundnet ist hauptsächlich in Lua geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — soundnet

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=cvondrick-soundnet)](https://olud.ai/project/cvondrick-soundnet.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.