Oct, 2019

Kornia：一个针对 PyTorch 的开源可微分计算机视觉库

PDF
TL;DRKornia 是一个基于 PyTorch 的开源计算机视觉库，它提供了一组可微分的例程和模块来解决通用计算机视觉问题，其中包括了一系列可插入神经网络的运算符，用于训练模型以执行图像变换，摄像机校准，极线几何和低级别的图像处理技术，如过滤和边缘检测。同时也提供了一些使用该库解决经典视觉问题的实例以及与现有视觉库的基准比较。
发现论文，激发创造
  • ChainerCV: 计算机视觉深度学习库

    ChainerCV 是一个旨在统一深度学习方法在计算机视觉中应用的软件库，支持多种神经网络模型和软件组件，可以用作计算机视觉研究的基线，包括目标检测和语义分割等任务。

    Aug, 2017

  • Mahotas：可编程计算机视觉的开源软件

    Mahotas 是一种 Python 计算机视觉库，其中包括传统的图像处理和现代的特征计算等功能，它被设计成适应于这种语言的科学软件生态系统，并可以利用该语言中已有的基础设施。

    Nov, 2012

  • DroneVis：无人机可变计算机视觉库

    DroneVis 是一个用于自动化 Parrot 无人机上的计算机视觉算法的新型库。该库提供了多种功能和计算机视觉任务，并提供了多种模型以供选择。它使用 Python 实现，遵循高质量的代码标准，便于根据用户需求进行自定义和功能扩展。此外，该库还提供全面的文档，包括使用指南和示例用例。

    Jun, 2024

  • Kaolin：一个用于加速 3D 深度学习研究的 PyTorch 库

    Kaolin 是一个 PyTorch 库，旨在加速 3D 深度学习研究。它提供了不同 iable 3D 模块的有效实现，包括渲染、光照、阴影和视图变形，并提供了加载和预处理多个流行 3D 数据集的功能。同时，它支持多种损失函数和评估度量以及可视化功能。Kaolin 也提供了一组包含许多最新的 3D 深度学习架构的综合模型动物园，成为未来研究的一个起点。

    Nov, 2019

  • TensorKrowch：张量网络在机器学习中的平滑集成

    描述了 TensorKrowch Python 库的主要功能和基本用法，并提供了有关其构建块和优化的技术细节，以便将张量网络轻松集成到机器学习管道中。

    Jun, 2023

  • 使用 GPU 进行的核操作，利用 Autodiff 避免内存溢出

    KeOps 提供了快速和内存高效的 GPU 支持，包括自动微分和 C++/CUDA 优化方案，并可以通过高级绑定程序在 Python、Matlab 和 GNU R 中进行调用，从而使大规模数据集的高级 “二次型” 代码可以在数秒内处理数百万个样本，以展示其在核方法中的灵活性和图形化性能。

    Mar, 2020

  • MIOpen: 一个开源深度学习基础库

    本文介绍了 AMD 公司开源的深度学习基元库 MIOpen，讨论了其内部工作方式和支持特性，提出了该库的一些创新变化，如实现内存带宽和 GPU 启动开销的融合优化，提供自动调整基础架构以克服问题配置的设计空间，以及实现了不同的算法来优化过滤器和不同输入尺寸的卷积，是第一个公开支持 bfloat16 数据类型进行卷积的库，允许在低精度下进行高效的训练，而不会丢失精度。

    Sep, 2019

  • TorchRadon: 计算机断层扫描的快速可微例程

    本文介绍了 TorchRadon 库，它是一个基于 PyTorch 的 CUDA 开源库，提供了一些可微分的 CT 重建算法，并支持与深度学习算法的结合。相较于 Astra 工具箱，TorchRadon 速度快 125 倍，可以很容易地嵌入现有的神经网络中。同时，TorchRadon 也可以作为快速迭代算法的底层实现。

    Sep, 2020

  • 一种隐式 Sinkhorn 微分的统一框架

    该研究提出了一种能够通过隐式求导获得 Sinkhorn 层解析梯度的算法，相较于以前的工作，该框架基于 Sinkhorn 算子最一般的公式并允许任何类型的损失函数，目标容量和成本矩阵联合求导，提高了梯度的稳定性和精度，并且在计算效率方面的表现更佳。

    May, 2022

  • X 射线计算机断层扫描可微分前向投影器

    该研究提出了一种精确的可微前向和后向投影软件库，以确保预测出的图像与原始测量数据的一致性，同时最小化 GPU 内存占用，方便与现有深度学习培训和推理管道的无缝集成。

    Jul, 2023