Home Progetti awesome-attention-mechanism-in-cv
awesome-attention-mechanism-in-cv
Python

awesome-attention-mechanism-in-cv

Elenco fantastico di Moduli di Attenzione e Moduli Plug&Play in Visione Computazionale

di pprp · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
attention-mechanismsattention-modelcomputer-visionMITPython
Visualizza su GitHub
In parole semplici

Esplora una collezione di meccanismi di attenzione e moduli per migliorare i compiti di visione artificiale.

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 →
awesome-attention-mechanism-in-cv — GitHub preview card
📈 Storia delle stelle
1 2741 273
2026-07-202026-08-31
📈 Segui awesome-attention-mechanism-in-cv

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

Elenco fantastico di Moduli di Attenzione e Moduli Plug&Play in Visione Computazionale

awesome-attention-mechanism-in-cv ha 1.3k stelle su GitHub. È stato forkato 172 volte. awesome-attention-mechanism-in-cv è scritto principalmente in Python. È in sviluppo attivo dal 2021. awesome-attention-mechanism-in-cv è disponibile con licenza MIT. I suoi temi principali sono: attention-mechanisms, attention-model, computer-vision, implementation.

Frequently asked questions

Che cos'è awesome-attention-mechanism-in-cv?

Elenco fantastico di Moduli di Attenzione e Moduli Plug&Play in Visione Computazionale

awesome-attention-mechanism-in-cv è open source?

awesome-attention-mechanism-in-cv è un progetto open source. È rilasciato con licenza MIT.

awesome-attention-mechanism-in-cv è gratuito?

Sì. awesome-attention-mechanism-in-cv è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è awesome-attention-mechanism-in-cv?

awesome-attention-mechanism-in-cv è disponibile con licenza MIT.

In quale linguaggio è scritto awesome-attention-mechanism-in-cv?

awesome-attention-mechanism-in-cv è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — awesome-attention-mechanism-in-cv

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=pprp-awesome-attention-mechanism-in-cv)](https://olud.ai/project/pprp-awesome-attention-mechanism-in-cv.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →
keras-attention
Keras Attention Layer (punteggi di Luong e Bahdanau).
2.8k · attention-mechanism
condivideattention-model
100-Days-Of-ML-Code
100 Giorni di Codifica ML
51.5k · 100-days-of-code-log
condivideimplementation
robotic-transformer-pytorch
Implementazione di RT1 (Robotic Transformer) in Pytorch
455 · artificial-intelligence
condivideattention-mechanisms
muse-maskgit-pytorch
Implementazione di Muse: Generazione di Testo in Immagine tramite Trasformatori Generativi Masc…
918 · artificial-intelligence
condivideattention-mechanisms
zeta
Costruisci modelli AI ad alte prestazioni con blocchi modulari
597 · attention-mechanism
condivideattention-model
whisper-timestamped
Riconoscimento vocale automatico multilingue con timestamp e fiducia a livello di parola
2.8k · asr
condivideattention-model
Awesome-Transformer-Attention
Un elenco di articoli completo sui Vision Transformer/Attenzione, inclusi articoli, codici e si…
5k · attention-mechanism
condivideattention-mechanisms
AttentionGAN
AttentionGAN per traduzione immagine-a-immagine non abbinata & traduzione immagine-a-immagine m…
686 · adversarial-networks
condivideattention-model
iTransformer
Implementazione non ufficiale di iTransformer - SOTA Previsione delle serie temporali utilizzan…
538 · artificial-intelligence
condivideattention-mechanisms
recurrent-memory-transformer-pytorch
Implementazione del Recurrent Memory Transformer, documento Neurips 2022, in Pytorch
424 · artificial-intelligence
condivideattention-mechanisms

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