Ig Saliency 相关的热门 GitHub AI项目仓库

卷积神经网络可视化技术的PyTorch实现

Python机器学习和数据科学的调试、监控和可视化

StellarGraph：图机器学习

用于PyTorch模型的类别激活图 (CAM、Grad-CAM、Grad-CAM++、Smooth Grad-CAM++、Score-CAM、SS-CAM、IS-CAM、XGrad-CAM、Layer-CAM)

一个用于人机交互的计算机视觉库。它利用卷积神经网络实现头部姿态和凝视方向估计，通过反向投影实现肤色检测，以及运动检测、跟踪和显著性地图生成。

适用于各种框架的先进显著性方法实现（包括XRAI、BlurIG、SmoothGrad等）。

本项目对LeGO-LOAM、LIO-SAM、LVI-SAM、FAST-LIO2、Faster-LIO、VoxelMap、R3LIVE、Point-LIO、KISS-ICP、DLO、DLIO、Ada-LIO、PV-LIO、SLAMesh、ImMesh、FAST-LIO-MULTI、M-LOAM、LOCUS、SLICT、MA-LIO、CT-ICP、GenZ-ICP、iG-LIO和SR-LIO等多种激光SLAM算法进行了应用和比较，并使用了Gazebo仿真环境和真实世界数据集。项目提供安装文件和配置文件。

这是CVPR2017论文《具有短连接的深度监督显著目标检测》的TensorFlow实现。

用于自然语言处理的深度学习架构的Keras、PyTorch和NumPy实现

基于归一化割的无监督目标发现中，自监督Transformer的Pytorch实现（CVPR 2022论文）。

一个基于 PyTorch 的可视化工具包，用于生成卷积神经网络 (CNN) 各层的解释。

基于Pytorch的动作识别和目标检测视频平台

基于PyTorch的PiCANet实现：学习用于显著性检测的像素级上下文注意力

用于显著性检测的CVPR 2019论文“金字塔特征注意力网络”的PyTorch实现

用于模型可解释性的最新视觉归因方法的PyTorch实现

自然语言处理模型解释及配套分析工具集

重新审视视频显著性：一个大型基准数据集和一个新的模型（CVPR18，PAMI19）

CVPR 2019 论文：DeepCO3：基于共峰搜索和共显著性的深度实例共分割（口头报告）

我们论文“可视化和理解雅达利智能体”（https://goo.gl/AMAoSc）的代码

IJCAI 2018论文《R^3Net：用于显著性检测的循环残差细化网络》的代码