Accueil Projets self-attention-cv
self-attention-cv

self-attention-cv

par The-AI-Summer · GitHub

Mise en œuvre de divers mécanismes d'auto-attention axés sur la vision par ordinateur. Dépôt en cours.

Voir sur GitHub
En termes simples

Implémentez des techniques d'auto-attention pour le traitement d'images dans des projets de vision par ordinateur.

⭐ Étoiles
🍴 Forks
📜 Licence
Utilisation commerciale autorisée
📅 Créé
🔄 Dernier commit
🏷️ Catégorie
💻 Langue
Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
self-attention-cv — GitHub preview card
📈 Historique des étoiles
1 2161 215
2026-07-202026-07-29
📈 Suivez self-attention-cv

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Mise en œuvre de divers mécanismes d'auto-attention axés sur la vision par ordinateur. Dépôt en cours.

self-attention-cv compte 1.2k étoiles sur GitHub. Il a été forké 152 fois. self-attention-cv est écrit principalement en Python. Il est développé activement depuis 2021. self-attention-cv est disponible sous licence MIT. Ses principaux thèmes sont : artificial-intelligence, attention, attention-mechanism, deep-learning.

Frequently asked questions

Qu'est-ce que self-attention-cv ?

Mise en œuvre de divers mécanismes d'auto-attention axés sur la vision par ordinateur. Dépôt en cours.

self-attention-cv est-il open source ?

self-attention-cv est un projet open source. Il est distribué sous licence MIT.

self-attention-cv est-il gratuit ?

Oui. self-attention-cv est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est self-attention-cv ?

self-attention-cv est disponible sous licence MIT.

Dans quel langage self-attention-cv est-il écrit ?

self-attention-cv est écrit principalement en Python.

🏅 Mainteneur de ce projet ?
OpenSourceAI badge — self-attention-cv

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=the-ai-summer-self-attention-cv)](https://opensourceai.tech/project/the-ai-summer-self-attention-cv.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
performer-pytorch
Une implémentation de Performer, un transformateur basé sur l'attention linéaire, en Pytorch.
1.2k · artificial-intelligence
partageattentionattention-mechanism
lambda-networks
Implémentation de LambdaNetworks, une nouvelle approche de la reconnaissance d'images qui attei…
1.5k · artificial-intelligence
partageattentionattention-mechanism
Medical-Transformer
Code Pytorch officiel pour "Medical Transformer: Gated Axial-Attention for Medical Image Segmen…
861 · attention
partageattentiontransformer
Informer2020
Le dépôt GitHub pour le papier "Informer" accepté par AAAI 2021.
6.5k · deep-learning
partageself-attentiontransformer
x-transformers
Un transformateur complet mais concis avec un ensemble de fonctionnalités expérimentales promet…
5.9k · artificial-intelligence
partageattention-mechanismtransformers
nanodl
Bibliothèque JAX pour l'entraînement de modèles de fondation sub-4B pour l'edge
306 · attention
partageattentionattention-mechanism
pytorch-original-transformer
Mon implémentation du modèle de transformateur original (Vaswani et al.). J'ai également inclus…
1.1k · attention
partageattentionattention-mechanism
reformer-pytorch
Reformer, le Transformer efficace, en Pytorch
2.2k · artificial-intelligence
partageattention-mechanismtransformers
ML-2021-notes
Notes de cours de « Machine Learning (Apprentissage Automatique) 2021 Printemps » du professeur…
588 · cnn
partageself-attentiontransformer
PaLM-pytorch
Implémentation de l'architecture Transformer spécifique de PaLM - Scaling Language Modeling wit…
825 · artificial-general-intelligence
partageattention-mechanismtransformers

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.