Início Projetos awesome-attention-mechanism-in-cv
awesome-attention-mechanism-in-cv
Python

awesome-attention-mechanism-in-cv

Lista incrível de Módulos de Atenção e Módulos Plug&Play em Visão Computacional

por pprp · GitHub
Estrelas
Forks
Licença
Criado
Último commit
Linguagem
attention-mechanismsattention-modelcomputer-visionMITPython
Ver no GitHub
Em palavras simples

Explore uma coleção de mecanismos de atenção e módulos para melhorar tarefas de visão computacional.

Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
awesome-attention-mechanism-in-cv — GitHub preview card
📈 Histórico de estrelas
1 2741 273
2026-07-202026-08-31
📈 Acompanhe awesome-attention-mechanism-in-cv

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

Lista incrível de Módulos de Atenção e Módulos Plug&Play em Visão Computacional

awesome-attention-mechanism-in-cv tem 1.3k estrelas no GitHub. Foi bifurcado 172 vezes. awesome-attention-mechanism-in-cv é escrito principalmente em Python. Está em desenvolvimento ativo desde 2021. awesome-attention-mechanism-in-cv está disponível sob a licença MIT. Os seus principais temas são: attention-mechanisms, attention-model, computer-vision, implementation.

Frequently asked questions

O que é awesome-attention-mechanism-in-cv?

Lista incrível de Módulos de Atenção e Módulos Plug&Play em Visão Computacional

awesome-attention-mechanism-in-cv é de código aberto?

awesome-attention-mechanism-in-cv é um projeto de código aberto. É distribuído sob a licença MIT.

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

Sim. awesome-attention-mechanism-in-cv é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Sob que licença está awesome-attention-mechanism-in-cv?

awesome-attention-mechanism-in-cv está disponível sob a licença MIT.

Em que linguagem awesome-attention-mechanism-in-cv está escrito?

awesome-attention-mechanism-in-cv é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
olud.ai badge — awesome-attention-mechanism-in-cv

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![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)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →
keras-attention
Camada de Atenção Keras (escores Luong e Bahdanau).
2.8k · attention-mechanism
partilhaattention-model
100-Days-Of-ML-Code
100 Dias de Codificação em ML
51.5k · 100-days-of-code-log
partilhaimplementation
robotic-transformer-pytorch
Implementação do RT1 (Robotic Transformer) em Pytorch
455 · artificial-intelligence
partilhaattention-mechanisms
muse-maskgit-pytorch
Implementação do Muse: Geração de Texto para Imagem via Transformadores Generativos Mascarados,…
918 · artificial-intelligence
partilhaattention-mechanisms
zeta
Construa modelos de IA de alto desempenho com blocos de construção modulares
597 · attention-mechanism
partilhaattention-model
whisper-timestamped
Reconhecimento Automático de Fala Multilíngue com timestamps e confiança em nível de palavra
2.8k · asr
partilhaattention-model
Awesome-Transformer-Attention
Uma lista de artigos abrangente sobre Vision Transformer/Atenção, incluindo artigos, códigos e…
5k · attention-mechanism
partilhaattention-mechanisms
AttentionGAN
AttentionGAN para Tradução de Imagem para Imagem Não Pareada & Tradução de Imagem para Imagem M…
686 · adversarial-networks
partilhaattention-model
iTransformer
Implementação não oficial do iTransformer - Previsão de Séries Temporais SOTA usando redes de A…
538 · artificial-intelligence
partilhaattention-mechanisms
recurrent-memory-transformer-pytorch
Implementação do Recurrent Memory Transformer, artigo do Neurips 2022, em Pytorch
424 · artificial-intelligence
partilhaattention-mechanisms

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.