Home Progetti SCAN
SCAN
Python

SCAN

Codice sorgente PyTorch per "Stacked Cross Attention for Image-Text Matching" (ECCV 2018)

di kuanghuei · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
computer-visioncross-modaldeep-learningApache-2.0Python
Visualizza su GitHub
In parole semplici

Esegui compiti di abbinamento immagine e testo utilizzando una rete neurale specializzata costruita con PyTorch.

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 →
SCAN — GitHub preview card
📈 Storia delle stelle
580579
2026-07-202026-08-31
📈 Segui SCAN

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

Codice sorgente PyTorch per "Stacked Cross Attention for Image-Text Matching" (ECCV 2018)

SCAN ha 579 stelle su GitHub. È stato forkato 118 volte. SCAN è scritto principalmente in Python. È in sviluppo attivo dal 2018. SCAN è disponibile con licenza Apache-2.0. I suoi temi principali sono: computer-vision, cross-modal, deep-learning, image-captioning.

Frequently asked questions

Che cos'è SCAN?

Codice sorgente PyTorch per "Stacked Cross Attention for Image-Text Matching" (ECCV 2018)

SCAN è open source?

SCAN è un progetto open source. È rilasciato con licenza Apache-2.0.

SCAN è gratuito?

Sì. SCAN è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è SCAN?

SCAN è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto SCAN?

SCAN è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — SCAN

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=kuanghuei-scan)](https://olud.ai/project/kuanghuei-scan.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

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