deep-high-resolution-net.pytorch
O projeto é uma implementação oficial do nosso artigo CVPR2019 "Deep High-Resolution Representation Learning for Human Pose Estimation"
Implemente detecção de pose humana e outras tarefas de reconhecimento visual usando técnicas de alta resolução.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserO projeto é uma implementação oficial do nosso artigo CVPR2019 "Deep High-Resolution Representation Learning for Human Pose Estimation"
deep-high-resolution-net.pytorch tem 4.5k estrelas no GitHub. Foi bifurcado 922 vezes. deep-high-resolution-net.pytorch é escrito principalmente em Cuda. Está em desenvolvimento ativo desde 2019. deep-high-resolution-net.pytorch está disponível sob a licença MIT. Os seus principais temas são: coco-keypoints-detection, deep-high-resolution-net, deep-learning, high-resolution-net.
O que é deep-high-resolution-net.pytorch?
O projeto é uma implementação oficial do nosso artigo CVPR2019 "Deep High-Resolution Representation Learning for Human Pose Estimation"
deep-high-resolution-net.pytorch é de código aberto?
deep-high-resolution-net.pytorch é um projeto de código aberto. É distribuído sob a licença MIT.
deep-high-resolution-net.pytorch é gratuito?
Sim. deep-high-resolution-net.pytorch é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
Sob que licença está deep-high-resolution-net.pytorch?
deep-high-resolution-net.pytorch está disponível sob a licença MIT.
Em que linguagem deep-high-resolution-net.pytorch está escrito?
deep-high-resolution-net.pytorch é escrito principalmente em Cuda.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://opensourceai.tech/project/leoxiaobin-deep-high-resolution-net-pytorch.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.