Home› Progetti› ICASSP-2023-24-Papers

Python

ICASSP-2023-24-Papers

Papers ICASSP 2023-2024: Una collezione completa di articoli di ricerca influenti ed entusiasmanti dalle conferenze ICASSP 2023-24. Esplora i più recenti progressi in acustica, elaborazione del parlato e dei segnali. Codice incluso. Metti una stella al repository per supportare l'avanzamento

di DmitryRyumin · GitHub

525

Stelle

Fork

Licenza

Creato

Ultimo commit

Categoria

Lingua

asr denoising domain-adaptationMITPython

Visualizza su GitHub

In parole semplici

Leggi articoli di ricerca influenti su acustica e elaborazione del segnale da conferenze recenti.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →

ICASSP-2023-24-Papers — GitHub preview card

📈 Storia delle stelle

2026-07-202026-08-31

📈 Segui ICASSP-2023-24-Papers

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi

Ricevi avvisi via email →

📄 Informazioni

ICASSP-2023-24-Papers ha 525 stelle su GitHub. È stato forkato 23 volte. ICASSP-2023-24-Papers è scritto principalmente in Python. È in sviluppo attivo dal 2023. ICASSP-2023-24-Papers è disponibile con licenza MIT. I suoi temi principali sono: asr, denoising, domain-adaptation, face-recognition.

❓ Frequently asked questions

Che cos'è ICASSP-2023-24-Papers?

ICASSP-2023-24-Papers è open source?

ICASSP-2023-24-Papers è un progetto open source. È rilasciato con licenza MIT.

ICASSP-2023-24-Papers è gratuito?

Sì. ICASSP-2023-24-Papers è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è ICASSP-2023-24-Papers?

ICASSP-2023-24-Papers è disponibile con licenza MIT.

In quale linguaggio è scritto ICASSP-2023-24-Papers?

ICASSP-2023-24-Papers è scritto principalmente in Python.

🏅 Manutentore di questo progetto?

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

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

Altre opzioni di badge →

🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

pytorch-adapt

Adattamento del dominio reso facile. Completamente funzionale, modulare e personalizzabile.

★ 397 · computer-vision

condividedomain-adaptation

pykale

Machine Learning a conoscenza consapevole (KALE): apprendimento automatico accessibile da più f…

★ 486 · computer-vision

condividedomain-adaptation

Exclusively-Dark-Image-Dataset

Dataset esclusivamente Dark (ExDARK) che, per quanto ne sappiamo, è la più grande collezione di…

★ 635 · computer-vision

condividedomain-adaptation

powerful-benchmarker

Una libreria per il benchmarking ML. È potente.

★ 441 · benchmarking

condividedomain-adaptation

bonito

Una libreria leggera per generare dataset sintetici di tuning delle istruzioni per i tuoi dati…

★ 830 · domain-adaptation

condividedomain-adaptation

openface

Riconoscimento facciale con reti neurali profonde.

★ 15.4k · deep-learning

condivideface-recognition

Awesome-Diffusion-Models-in-Medical-Imaging

Modelli di diffusione nell'imaging medico (Pubblicato nel Medical Image Analysis Journal)

★ 2.1k · ddpm

condividedenoising

facenet

Riconoscimento facciale utilizzando Tensorflow

★ 14.3k · computer-vision

condivideface-recognition

AdaptSegNet

Imparare ad adattare lo spazio di output strutturato per la segmentazione semantica, CVPR 2018…

★ 859 · adversarial-learning

condividedomain-adaptation

face_recognition

L'API di riconoscimento facciale più semplice al mondo per Python e la riga di comando

★ 56.6k · face-detection

condivideface-recognition

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.