Maschinelles Lernen · GitHub

Ultralytics YOLO27, YOLO26, YOLO11 und YOLOv8 für Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifikation, Posenschätzung und Objektverfolgung.

NVR mit lokaler Echtzeit-Objekterkennung für IP-Kameras.

MNN: Eine blitzschnelle, schlanke Inferenz-Engine, die sich bei Alibaba im Praxiseinsatz bewährt hat und leistungsstarke On-Device-LLMs sowie Edge-KI unterstützt.

[NeurIPS 2025] PhysioWave & PhysioWave-T: tokeneffiziente, auf Wavelets basierende Foundation-Modelle für EEG, ECG und sEMG mit zuverlässigkeitsbewusster multimodaler Fusion

• One EEG foundation model across montages. A 30 M-parameter encoder pretrained on over 15 M four-second windows from 19 to 128 channels at 256 and 512 Hz, with no common montage forced on the data.
• 4.0–7.2× faster, 6.8–12.7× less memory. Folding cuts Transformer latency and peak memory by these factors over scale expansion, with no loss of accuracy. On 128-channel EEG, per-batch memory drops from about 32 GB to 2.5 GB.

Die Research-Engine, die Ihnen einen Wettbewerbsvorteil verschafft. Testen Sie Tausende von Trading-Ideen, bevor andere eine einzige geprüft haben.

• Fast, vectorized backtesting Research strategies at scale with pandas, NumPy, and Numba. Backtesting examples → - Optional Rust engine Use precompiled kernels for supported operations without JIT compilation. Rust engine →

Plattformübergreifende, anpassbare ML-Lösungen für Live- und Streaming-Medien.

⚡ TabPFN: Foundation Model für Tabellendaten ⚡

X-AnyLabeling: Eine schlanke, effiziente und einheitliche plattformübergreifende Desktop-Anwendung zum Annotieren von Text-, Bild-, Video-, Punktwolken- und multimodalen Daten, die vielseitige integrierte Werkzeuge mit hochmodernen KI-Modellen und flexiblem Export in mehrere Formate kombiniert.

• Unified support for annotating and processing text, image, video, point cloud, and multimodal data.
• Covers tasks such as 2D image classification, object detection, instance segmentation, pose estimation, oriented object detection, multi-object tracking, optical character recognition, lane annotation, image captioning, visual question answering, document parsing, and 3D point clouds.

RF-DETR ist eine von Roboflow entwickelte Modellarchitektur für Echtzeit-Objekterkennung und -Segmentierung, die auf COCO den Stand der Technik erreicht und für die Feinabstimmung ausgelegt ist. [ICLR 2026]

Maschinelles Lernen von Grund auf. Schlanke NumPy-Implementierungen von Modellen und Algorithmen des maschinellen Lernens mit Fokus auf Zugänglichkeit. Das Projekt soll alles von linearer Regression bis hin zu Deep Learning abdecken.

Web-UI für Stable Diffusion

• Original txt2img and img2img modes
• One click install and run script (but you still must install python and git)

🧑‍🏫 Über 60 Implementierungen und Tutorials zu Deep-Learning-Papern mit nebeneinanderstehenden Notizen 📝; darunter Transformer (Original, XL, Switch, Feedback, ViT, ...), Optimierer (Adam, AdaBelief, Sophia, ...), GANs (CycleGAN, StyleGAN2, ...), 🎮 bestärkendes Lernen (PPO, DQN), CapsNet, Destillation, ... 🧠

Vietnamesische Sprachsynthese mit sofortigem Stimmenklonen • Auf dem Gerät • Echtzeit-Inferenz mit der CPU • 48-kHz-Audioqualität • Vietnamesische Text-to-Speech-Ausgabe • Vietnamesische Text-to-Speech-Ausgabe • Vietnamesische Sprachsynthese

Wir schreiben deine wiederverwendbaren Computer-Vision-Tools. 💜

Ein kollaboratives Studio für NeRFs

• Visualize training in real-time + interact with the scene
• Create and render out scenes with custom camera trajectories

Open-Source-Modell SenseVoiceSmall für die automatische Spracherkennung in Mandarin, Kantonesisch, Englisch, Japanisch und Koreanisch sowie für Sprachidentifikation, Emotionserkennung und Audioereigniserkennung.

• Research scope vs released checkpoint: The broader SenseVoice work reports training on more than 400,000 hours and support for more than 50 languages. The released SenseVoiceSmall checkpoint linked above supports Mandarin, Cantonese, English, Japanese, and Korean; the benchmark comparisons below are task- and language-specific.
• Possess excellent emotion recognition capabilities, achieving and surpassing the effectiveness of the current best emotion recognition models on test data.

Audio-Plugin, das Audio mithilfe von Deep Learning in MIDI transkribiert.