这些优秀的组织正在使用:

开源脉冲神经网络深度学习框架

Updated 1 week ago Python

基于生成对抗网络的弱监督病症定位和分割算法,只需要图片级正常/异常的弱监督标签,即可实现新冠CT图像的无偏(unbiased)病灶分割。

Updated 2 weeks ago Python

OpenHGNN是由北邮GAMMA Lab开发的基于PyTorch和DGL的开源异质图神经网络工具包。

Updated 1 month ago Python

mPanGu-α-53是首个以中文为中心的多语言&机器翻译模型,在一带一路沿线66个国家53种语种上进行预训练和单双语混合增量训练,单模型支持一带一路53个语种任两语种间的互译,对比WMT2021多语言任务赛道No.1在”中外“100个方向上平均BLEU值提升0.354,支持在NPU/GPU上基于MindSpore分布式训练(最少8卡)、推理(全精度/FP16,1卡)和多语言任务的迁移学习。

Updated 2 months ago Text

旋转椭圆检测,可实现超声心动图四腔心切面的自动测量,包括心胸比和心轴,为医生提供先天性心脏病的诊断提供AI统计参考。

Updated 2 weeks ago Jupyter Notebook

神经网络模型压缩框架

Updated 7 months ago Python

双通路图卷积神经网络(DGCN)于2018年提出,它基于半监督学习的两个基本假设:(1).局部一致性:距离比较近的数据,通常有相同的标签;(2).全局一致性:处在相似的上下文中的数据,通常有相同的标签,使用了双通路分别嵌入半监督学习局部一致性与全局一致性的信息,并设计了新的loss函数将二者结合,来对图结构数据进行半监督学习,取得了很好的实验效果。

Updated 11 months ago Python

一种高效的可变组卷积神经网络,称为VargfaceNet,来帮助提高人脸识别任务中的轻量级网络的判别和泛化能力。

Updated 5 months ago Python

ResNet50+BAM模型有一个被称为BAM的简单有效的Attention模型,可以和前向传播卷积神经网络相结合。该模型的作者将BAM置于ResNet的每个stage之间,多层BAMs得到了一个分层的注意力机制,可以消除每个stage之间的低层次特征,然后聚焦于明确的目标。

Updated 1 year ago Python

MobileNetV3结合硬件感知神经网络架构搜索(NAS)和NetAdapt算法。

Updated 1 year ago Roff

OSNet是一个用于行人重识别任务的高效神经网络模型,它提出了一种全新的神经网络架构,可以学习图像的全尺度特征表示。

Updated 7 months ago Python

符号图卷积神经网络的MindSpore版本

Updated 11 months ago Python

GhostNet由华为诺亚方舟实验室在2020年提出,此网络提供了一个全新的Ghost模块,旨在通过廉价操作生成更多的特征图。基于一组原始的特征图,作者应用一系列线性变换,以很小的代价生成许多能从原始特征发掘所需信息的“幻影”特征图(Ghost feature maps)。该Ghost模块即插即用,通过堆叠Ghost模块得出Ghost bottleneck,进而搭建轻量级神经网络——GhostNet。该架构可以在同样精度下,速度和计算量均少于SOTA算法。

Updated 11 months ago Python

DDPG是google DeepMind团队提出的一种用于输出确定性动作的算法,它解决了Actor-Critic 神经网络每次参数更新前后都存在相关性,导致神经网络只能片面的看待问题这一缺点。同时也解决了DQN不能用于连续性动作的缺点。

Updated 7 months ago Python

Transformer最近已进行了大规模图像分类,获得了很高的分数,这动摇了卷积神经网络的长期霸主地位。但是,到目前为止,对图像Transformer的优化还很少进行研究。在这项工作中,作者为图像分类建立和优化了更深的Transformer网络。 特别是,作者研究了这种专用Transformer的架构和优化之间的相互作用。 作者进行了两次Transformer体系结构更改,从而显著提高了深度Transformer的精度。

Updated 11 months ago Python

TCN是一种特殊的卷积神经网络——时序卷积网络(Temporal convolutional network, TCN),于2018年被提出。相较于经典的时序模型RNN结构,TCN模型拥有较高的并行性、更加灵活的感受野,稳定的梯度和更小的内存消耗等优点,在多个时序问题上表现优异。

Updated 11 months ago Python

目前计算机视觉卷积神经网络任务中大多都会使用BatchNormalization,用来归一化数据,保持训练的稳定性,这一方法是非常有效的。但是BN也带来了额外的不小的计算开销、模型训练和推理时的行为差异和打破了小批量样本之间的独立性的问题。为此,DeppMind提出了构建Normal Free的模型,用StdConv代替普通的CNN,实现稳定训练和优异的性能。

Updated 11 months ago Python

开源脉冲神经网络深度学习框架

Updated 6 months ago Cuda

开源脉冲神经网络深度学习框架

Updated 2 months ago Python