Inicio› Proyectos› ICASSP-2023-24-Papers

Python

ICASSP-2023-24-Papers

Papers de ICASSP 2023-2024: Una colección completa de influyentes y emocionantes artículos de investigación de las conferencias ICASSP 2023-24. Explora los últimos avances en acústica, procesamiento de voz y señales. Código incluido. Estrella el repositorio para apoyar el avance.

por DmitryRyumin · GitHub

525

Estrellas

Ramas

Licencia

Creado

Último commit

Categoría

Lenguaje

asr denoising domain-adaptationMITPython

Ver en GitHub

En palabras simples

Lee documentos de investigación influyentes sobre acústica y procesamiento de señales de conferencias recientes.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →

ICASSP-2023-24-Papers — GitHub preview card

📈 Historial de estrellas

2026-07-202026-08-31

📈 Sigue ICASSP-2023-24-Papers

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras

Recibir alertas por email →

📄 Acerca de

ICASSP-2023-24-Papers tiene 525 estrellas en GitHub. Se ha bifurcado 23 veces. ICASSP-2023-24-Papers está escrito principalmente en Python. Se desarrolla activamente desde 2023. ICASSP-2023-24-Papers está disponible bajo la licencia MIT. Sus temas principales son: asr, denoising, domain-adaptation, face-recognition.

❓ Frequently asked questions

¿Qué es ICASSP-2023-24-Papers?

¿ICASSP-2023-24-Papers es de código abierto?

ICASSP-2023-24-Papers es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿ICASSP-2023-24-Papers es gratis?

Sí. ICASSP-2023-24-Papers es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está ICASSP-2023-24-Papers?

ICASSP-2023-24-Papers está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito ICASSP-2023-24-Papers?

ICASSP-2023-24-Papers está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=dmitryryumin-icassp-2023-24-papers)](https://olud.ai/project/dmitryryumin-icassp-2023-24-papers.html)

Más opciones de distintivos →

🧬 Comparte ADN con🧬 Ver el mapa de ADN →

pytorch-adapt

Adaptación de dominio hecha fácil. Totalmente funcional, modular y personalizable.

★ 397 · computer-vision

compartedomain-adaptation

pykale

Conocimiento-Consciente de aprendizaje automático (KALE): aprendizaje automático accesible de m…

★ 486 · computer-vision

compartedomain-adaptation

Exclusively-Dark-Image-Dataset

Conjunto de datos Exclusivamente Oscuro (ExDARK) que, hasta donde sabemos, es la colección más…

★ 635 · computer-vision

compartedomain-adaptation

powerful-benchmarker

Una biblioteca para benchmarking de ML. Es poderosa.

★ 441 · benchmarking

compartedomain-adaptation

bonito

Una biblioteca ligera para generar conjuntos de datos sintéticos de ajuste de instrucciones par…

★ 830 · domain-adaptation

compartedomain-adaptation

openface

Reconocimiento facial con redes neuronales profundas.

★ 15.4k · deep-learning

comparteface-recognition

Awesome-Diffusion-Models-in-Medical-Imaging

Modelos de Difusión en Imágenes Médicas (Publicado en la Revista de Análisis de Imágenes Médica…

★ 2.1k · ddpm

compartedenoising

facenet

Reconocimiento facial usando Tensorflow

★ 14.3k · computer-vision

comparteface-recognition

AdaptSegNet

Aprendiendo a Adaptar el Espacio de Salida Estructurado para Segmentación Semántica, CVPR 2018…

★ 859 · adversarial-learning

compartedomain-adaptation

face_recognition

La API de reconocimiento facial más simple del mundo para Python y la línea de comandos

★ 56.6k · face-detection

comparteface-recognition

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.