A treasure chest for visual classification and recognition powered by PaddlePaddle
cutmix 开源项目推荐(28 个)
cutmix 话题在 GitHub 上没有填写简介,这里按 Star 数汇总最相关的热门仓库。
热门项目 前 20
按 Star 数排序展示前 20 个 · GitHub 共 28 个仓库CutMix 正则化器的官方 PyTorch 实现
DiffuseMix:使用扩散模型进行标签保持数据增强(CVPR'2024)的官方 PyTorch 实现
SnapMix:用于增强细粒度数据的语义比例混合(AAAI 2021)
一个开源工具箱,包含大量便捷函数,包括深度学习从业者最常用的模型和实用工具!
在 TensorFlow 2.x 中实现现代数据增强技术,可用于你的训练流程。
CutMix 正则化器的 Keras 实现
FastClassification 是一个用于类别分类的 tensorflow 工具箱。它提供包含多种骨干网络和训练技巧的训练模块,以实现最先进的类别分类。
SnapMix 的 tensorflow2 实现,如“SnapMix: Semantically Proportional Mixing for Augmenting Fine-grained Data”所述
实现一种先进的卷积神经网络(CNN)用于大规模害虫识别,结合增强技术和正则化器以提高准确性和泛化能力。
这是以下论文的 TensorFlow 实现:DropBlock: A regularization method for convolutional networks
“ViT”(Dosovitskiy 等,2020)的 PyTorch 实现,并在 CIFAR-10 和 CIFAR-100 上训练
zeta-mixup(ζ-mixup)的代码,这是一种数据增强技术,是 mixup 的 N 样本泛化。
Tensorflow2(Keras)的 ImageDataGenerator 在 Jupyter 上的运行示例。
使用 Keras 实现 CutMix 增强。
使用 Swin Transformer 结合 RandAugment、CutMix 和 MixUp 进行图像分类
自主边缘集成的智能垃圾分类与分析系统
使用 PyTorch 的 DualDet 实现
面向 Tensorflow2/Keras 的 ImageDataGenerator 的 cutmix 实现。
用于 Cassava Leaf Disease Classification 的深度学习解决方案,这是一个使用 Tensorflow 的 Kaggle Research Code Competition。
关于这个话题
- 清单取自 GitHub 话题页并按 Star 数排序,每次展示前 20 个项目;原始页面见 https://github.com/topics/cutmix。
- 该话题在 GitHub 上共有 28 个仓库, 本站收录的是其中最热门的 20 个,不是全量列表。
- Star / Fork 每日自动刷新一次,实时数据以 GitHub 为准。
- 当前 20 个项目累计 7609 Star,覆盖 2 种主要语言,数据更新于 2026-11-08。
- 中文介绍来自 GitHub 官方话题说明(github/explore)的机器翻译,可点「查看原文」对照;译文缺失时会先展示原文。