Home Progetti deep-head-pose
deep-head-pose

deep-head-pose

di natanielruiz · GitHub

:fire::fire: Stima della posa della testa con Deep Learning utilizzando PyTorch.

Visualizza su GitHub
In parole semplici

Stima la direzione in cui è rivolto il tuo capo nei video utilizzando un modello di deep learning addestrato.

⭐ Stelle
🍴 Fork
📜 Licenza
Licenza non specificata
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
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 →
deep-head-pose — GitHub preview card
📈 Storia delle stelle
1 6641 663
2026-07-202026-07-29
📈 Segui deep-head-pose

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

:fire::fire: Stima della posa della testa con Deep Learning utilizzando PyTorch.

deep-head-pose ha 1.7k stelle su GitHub. È stato forkato 369 volte. deep-head-pose è scritto principalmente in Python. È in sviluppo attivo dal 2017. I suoi temi principali sono: deep-learning, deep-neural-networks, face-pose, gaze.

Frequently asked questions

Che cos'è deep-head-pose?

:fire::fire: Stima della posa della testa con Deep Learning utilizzando PyTorch.

deep-head-pose è open source?

deep-head-pose è un progetto open source.

deep-head-pose è gratuito?

Sì. deep-head-pose è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto deep-head-pose?

deep-head-pose è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — deep-head-pose

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=natanielruiz-deep-head-pose)](https://opensourceai.tech/project/natanielruiz-deep-head-pose.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.