GraphCast开源项目 – 中短期天气预测的深度学习模型

SALT是一个用于训练分割网络的框架，通过条件概率建模数据中的层次关系，支持医学影像分割并提供灵活的标签树结构。

这个项目展示了如何在Google Cloud上使用TensorFlow、TFX和Vertex AI实现端到端的机器学习运维。它集成了自动化的数据摄取、模型训练和评估，并提供了监控和日志记录功能，展示了机器学习中的CI/CD最佳实践。

PlateRecognition是一个高精度车牌识别系统，支持12种车牌类型的检测与识别。该系统集成了yolov5、yolov7、yolov8等深度学习模型，识别准确率高达99.5%，适用于多种场景下的车牌识别需求。

ncnn-android-depth_anything是一个基于ncnn库和OpenCV的Android应用示例，旨在利用大规模未标记数据进行深度感知。该项目展示了如何释放深度学习的潜力，并支持动态输入形状的模型，适用于各种深度感知场景。

本文介绍了一个实用的最先进深度学习模型的实现，以便利用智能手机集成麦克风对笔记本键击进行分类。该模型能够在多种环境中准确捕捉和分析声音数据，评估用户的输入行为。

AviaryAI是一个专为信用社设计的人工智能工具，利用先进的AI语音代理，优化外部联系，提高会员服务和运营效率，旨在帮助信用社员工自动化任务，让团队专注于更具战略性的工作。

基于Rust语言实现的多语言文档OCR工具包，结合修改版Segformer、OpenCV和donut transformer，提供高效的文档识别与处理功能。

VQGraph重新思考图表示空间，旨在桥接图神经网络（GNNs）和多层感知机（MLPs），提供创新的图表示技术，提升图基机器学习任务的效率和效果。

该项目是Kaggle TGS Salt Identification Challenge 2018的第四名解决方案，专注于使用先进的深度学习模型进行盐体识别。项目包括数据预处理和增强技术，提供全面的训练和评估流程，并利用集成方法提高性能。此外，项目还提供了详细的文档和代码注释，便于理解和使用。

EasyVolcap是一个基于PyTorch的库，专注于加速神经体积视频的研究，特别是在体积视频捕获、重建和渲染领域。它提供了预构建的深度学习模型，支持自定义网络构建，允许研究人员灵活地创建新算法。通过协同优化器、采样器和渲染器的设计，实现了高效的模型训练和渲染。此外，EasyVolcap还提供了预训练模型和数据集，以加速研究过程，并已被广泛应用于神经体积视频算法的研究和开发。

Stable Diffusion是一个用于生成高质量图像的深度学习模型，经过1.5版本更新，具有更好的性能和功能。

Graph4NLP是一个库，旨在简化图神经网络在自然语言处理中的应用，支持多种任务和模型的灵活使用。

一个自然语言处理任务与实例集，提供多种NLP任务的实现和示例。

Atomic AI是一个创新平台，专注于利用机器学习和结构生物学提升RNA药物发现，旨在改善RNA靶向小分子和RNA药物的设计与发现，简化RNA研究与药物开发的复杂过程。

AniPortrait是腾讯开源的一个项目，能够根据音频和静态人脸图像生成逼真的人脸动画，支持说话、唱歌等多种动态效果。该项目通过音频驱动，自动生成与口型一致的人脸动画，并且支持多种语言、面部重绘和头部姿势控制。AniPortrait的核心框架结合了深度学习模型，能够生成高质量的动画，并且支持通过视频进行人脸重绘。