Inicio Proyectos self-attention-cv
self-attention-cv

self-attention-cv

por The-AI-Summer · GitHub

Implementación de varios mecanismos de auto-atención centrados en visión por computadora. Repositorio en curso.

Ver en GitHub
En palabras simples

Implementa técnicas de autoatención para el procesamiento de imágenes en proyectos de visión por computadora.

⭐ Estrellas
🍴 Ramas
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿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 →
self-attention-cv — GitHub preview card
📈 Historial de estrellas
1 2161 215
2026-07-202026-07-29
📈 Sigue self-attention-cv

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

Implementación de varios mecanismos de auto-atención centrados en visión por computadora. Repositorio en curso.

self-attention-cv tiene 1.2k estrellas en GitHub. Se ha bifurcado 152 veces. self-attention-cv está escrito principalmente en Python. Se desarrolla activamente desde 2021. self-attention-cv está disponible bajo la licencia MIT. Sus temas principales son: artificial-intelligence, attention, attention-mechanism, deep-learning.

Frequently asked questions

¿Qué es self-attention-cv?

Implementación de varios mecanismos de auto-atención centrados en visión por computadora. Repositorio en curso.

¿self-attention-cv es de código abierto?

self-attention-cv es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿self-attention-cv es gratis?

Sí. self-attention-cv es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está self-attention-cv?

self-attention-cv está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito self-attention-cv?

self-attention-cv está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — self-attention-cv

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=the-ai-summer-self-attention-cv)](https://opensourceai.tech/project/the-ai-summer-self-attention-cv.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
performer-pytorch
Una implementación de Performer, un transformador basado en atención lineal, en Pytorch
1.2k · artificial-intelligence
comparteattentionattention-mechanism
lambda-networks
Implementación de LambdaNetworks, un nuevo enfoque para el reconocimiento de imágenes que alcan…
1.5k · artificial-intelligence
comparteattentionattention-mechanism
Medical-Transformer
Código oficial de Pytorch para "Transformador Médico: Atención Axial Controlada para Segmentaci…
861 · attention
comparteattentiontransformer
Informer2020
El repositorio de GitHub para el artículo "Informer" aceptado por AAAI 2021.
6.5k · deep-learning
comparteself-attentiontransformer
x-transformers
Un transformador conciso pero completo con atención total y un conjunto de características expe…
5.9k · artificial-intelligence
comparteattention-mechanismtransformers
nanodl
Biblioteca JAX para entrenar modelos de base de menos de 4B para edge
306 · attention
comparteattentionattention-mechanism
pytorch-original-transformer
Mi implementación del modelo transformer original (Vaswani et al.). Además, he incluido el arch…
1.1k · attention
comparteattentionattention-mechanism
reformer-pytorch
Reformer, el Transformer eficiente, en Pytorch
2.2k · artificial-intelligence
comparteattention-mechanismtransformers
ML-2021-notes
Notas del curso de Aprendizaje Automático (Machine Learning) de primavera de 2021 del profesor…
588 · cnn
comparteself-attentiontransformer
PaLM-pytorch
Implementación de la arquitectura Transformer específica de PaLM - Escalando Modelado de Lengua…
825 · artificial-general-intelligence
comparteattention-mechanismtransformers

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