deep-learning 第 9 页
本站收录 815 个带「deep-learning」标签的 AI 开源项目（按 GitHub 星标从高到低，第 9 / 17 页）
dl-for-emo-tts这是一个关于情感语音合成（Emotional Text-to-Speech）的深度学习实验总结项目，以Jupyter Notebook形式呈现。项目记录了作者团★ 457
haupthaupt 是 Polyaxon 生态中的一个基础设施组件，提供统一的 lineage 元数据 API、工件流、沙箱、API 和 spaces 能力。它主要解决★ 451
ModelAssistantModelAssistant 是矽递科技（Seeed Studio）推出的开源嵌入式 AI 工具链，属于 SenseCraft 生态的一部分。它面向边缘设备上的★ 448
awesome-ocr-resourcesawesome-ocr-resources 是一个面向 OCR（光学字符识别）领域的资源聚合项目，系统整理了该方向的重要论文、公开数据集与工具链接。它解决的是 ★ 440
Text2VideoText2Video 是一个基于 ICASSP 2022 论文的开源项目，实现文本驱动的说话人视频合成。它通过音素字典将输入文本转换为语音，并驱动人物头像生成与★ 438
mlx-lm-loramlx-lm-lora 是面向 Apple Silicon 的 LLM 训练工具，基于苹果 MLX 框架，让 Mac 用户无需 NVIDIA GPU 也能对大语★ 436
inpainting_gmcnn这是一个基于生成式多列卷积神经网络的图像修复工具，源自NeurIPS 2018论文。它解决的是图像中缺失或损坏区域的智能填充问题，核心能力是利用多列结构捕捉不同★ 435
ArtGANArtGAN 是一个基于生成对抗网络（GAN）的深度学习项目，专注于条件图像合成，特别是艺术画作的生成。它通过改进 GAN 的结构和训练策略，利用 WikiAr★ 432
Neural-Voice-Cloning-With-Few-Samples这是一个基于论文《Neural Voice Cloning With Few Samples》的开源实现，旨在解决少样本语音克隆问题。它通过少量参考音频（甚至几★ 432
100-AI-Machine-learning-Deep-learning-Computer-vision-NLP这是一个面向学习者的 AI 项目合集仓库，收录了 100 多个覆盖机器学习、深度学习、计算机视觉和自然语言处理的小型实战项目，每个项目都附带可运行代码。它解决的★ 425
split-folderssplit-folders 是一个轻量级 Python 工具库，专门解决机器学习和深度学习项目中数据集划分的繁琐问题。它能把一个装满图片或其他文件的文件夹，按指★ 424
RL-ChatbotRL-Chatbot 是一个基于深度强化学习的开源聊天机器人项目，使用 Python 和 TensorFlow 实现。它旨在解决传统 seq2seq 模型在对话★ 422
ResourceBank_CV_NLP_MLOPS_2022这是一个面向计算机视觉、自然语言处理和机器学习运维方向学习者的资源聚合仓库，收录了大量课程笔记、实战教程、论文解读和项目代码，以Jupyter Notebook★ 422
POP909-DatasetPOP909-Dataset 是一个面向流行音乐编曲生成研究的开源数据集，由上海交通大学缪斯实验室发布，对应论文《POP909: A Pop-song Data★ 414
Auto1111SDKAuto1111SDK 是一个面向 Automatic1111 WebUI 的 Python SDK 库，旨在为开发者提供简洁、稳定的编程接口来运行先进的扩散模★ 412
stable-flowStable Flow 是 CVPR 2025 论文的官方实现，提出一种无需训练的图像编辑方法。它针对扩散模型（如 Stable Diffusion）在编辑时因★ 412
PnPInversionPnPInversion 是 ICLR 2024 的官方实现，提出一种仅需三行代码即可增强扩散模型编辑能力的方法。它解决现有基于扩散模型的图像编辑中，编辑结果与★ 412
MLOps-Specialization-Notes本项目是吴恩达与DeepLearning.AI联合推出的《Machine Learning Engineering for Production (MLOps)★ 412
mtg-jamendo-datasetMTG-Jamendo Dataset 是音乐信息检索领域的开源数据集及配套工具集，提供约 5.5 万首 Jamendo 授权音乐的音轨元数据、标签标注与预处理★ 412
bbox-visualizerbbox-visualizer 是一个轻量级的 Python 工具库，专门用于在图像上绘制和标注边界框（bounding box）。它解决了计算机视觉开发者在调★ 411
Multi-Tacotron-Voice-Cloning这是一个基于多语种Tacotron的语音克隆项目，支持俄语和英语两种语言的音素级语音合成与克隆。它解决了跨语言语音克隆中音素映射和发音准确性的问题，核心能力包括★ 397
HyperSIGMAHyperSIGMA 是发表在 TPAMI'25 上的高光谱智能理解基础模型官方实现。高光谱图像包含数十至数百个连续光谱波段，传统方法难以有效处理其高维性和冗余★ 392
SwapNetSwapNet 是一个基于深度学习的虚拟试衣开源项目，实现了 Raj 等人 2018 年提出的 SwapNet 算法，并提供了 PyTorch 复现版本，同时支★ 389
vision_tutorialvision_tutorial 是一个面向计算机视觉入门与 RoboMaster 算法组培训的开源教程项目。它把图像处理、深度学习与机器人视觉的常见知识点整理成★ 387
awesome-ai-leaderboard这是一个精选AI领域排行榜资源的开源列表，旨在帮助开发者、研究者和产品经理快速找到各类AI模型、智能体和应用的评测基准与排名信息。项目解决了AI领域信息分散、评★ 385
llms-from-scratch这是一个从零开始用 PyTorch 构建类 ChatGPT 大语言模型的教学项目，通过 Jupyter Notebook 逐步讲解每个实现细节。它解决的是初学者★ 385
hms-ml-demoHMS ML Demo 是华为机器学习套件（ML Kit）的官方示例项目，旨在帮助开发者快速集成华为的AI能力。它覆盖了人脸检测、文本识别、图像分割、语音识别（★ 371
be_greatbe_great 是一个基于预训练大语言模型（LLM）生成合成表格数据的开源工具。它解决了真实表格数据隐私保护、数据稀缺和不平衡等问题，通过利用 LLM 的上下★ 371
Deep-Exemplar-based-Video-Colorization这是一个基于深度学习的视频上色工具，来自CVPR 2019论文。它利用参考图像（示例图）为灰度视频自动添加自然色彩，解决传统视频上色中颜色不一致、需要人工干预的★ 370
create-llmcreate-llm 是一个用 TypeScript 编写的命令行脚手架工具，定位是“语言模型领域的 create-next-app”。它解决的核心问题是：从零★ 370
ai4artistsai4artists 是一个面向 AI 艺术创作者的开源资源聚合清单（awesome-list），旨在系统整理 AI 艺术领域的课程、工具、库、人物与社区。它解★ 365
deep-delta-learningDeep Delta Learning 是一个开源模型项目，源自 arXiv 论文，旨在通过深度学习方法学习数据或模型之间的“增量”（delta）信息，以提升学★ 364
webcam-pix2pix-tensorflowwebcam-pix2pix-tensorflow 是一个基于 TensorFlow 的实时图像转换项目，它利用 pix2pix 生成对抗网络，将摄像头实时画面★ 361
open-museopen-muse 是 Google MUSE 模型的开放复现项目，旨在实现快速文本到图像生成。MUSE 是一种基于 transformer 的文本条件图像生成★ 361
vampnetvampnet 是一个基于掩码变换器（masked transformer）的音频音乐生成开源项目。它解决的是音乐生成中可控性与生成质量平衡的问题，核心能力在于★ 357
fashn-vton-1.5FASHN VTON v1.5 是一个基于扩散模型的虚拟试穿（Virtual Try-On）开源项目，专注于在像素空间实现无需掩码的高效服装迁移。它解决了传统虚★ 355
Comprehensive-Data-Science-AI-Project-Portfolio这是一个精选的AI、数据工程和DevOps项目合集，包含真实世界应用、先进技术和教程，面向数据科学和机器学习的学习者与实践者。项目以Jupyter Notebo★ 355
AgMLAgML 是一个面向农业机器学习的集中式框架，旨在解决农业领域深度学习研究中数据分散、基准不统一、模型复用难的问题。它聚合了多个公开农业数据集，覆盖图像分类、目★ 349
Construction-Hazard-DetectionConstruction-Hazard-Detection 是一个面向建筑工地安全的开源计算机视觉项目。它基于 YOLO 目标检测模型，自动识别工人未佩戴安全帽★ 348
CoCosNet-v2CoCosNet-v2 是一个基于深度学习的图像翻译项目，专注于全分辨率对应关系学习。它解决的是图像到图像翻译中，当输入图像与参考图像存在大形变或视角差异时，如★ 347
FIBOFIBO 是一个开源的文本到图像生成模型，主打 JSON 原生输出，即模型直接生成结构化的 JSON 数据（包含对象、位置、属性等），而非传统像素图。它解决了现★ 345
OASISOASIS是ICLR 2021论文的官方实现，提出了一种仅需对抗监督即可完成语义图像合成的新方法。传统方法依赖复杂的感知损失或特征匹配损失来训练生成器，而OAS★ 339
MusicGeneratorMusicGenerator 是一个基于 TensorFlow 的实验性开源项目，旨在探索多种深度学习模型在音乐生成领域的应用。它解决了如何利用神经网络自动生成★ 339
stable-pretrainingstable-pretraining 是一个用于预训练基础模型和世界模型的 Python 库，主打可靠、极简和可扩展。它主要解决深度学习研究中预训练流程复杂、复★ 333
advanced-ai-curriculum这是一个面向 AI 学习者的课程作品集仓库，汇集了作者在 AI 与技术、数据科学、AI 实习、机器学习和 AI 人文荣誉课程中的多个结业项目。内容覆盖医疗 AI★ 333
Seq2seq-Chatbot-for-Keras这是一个基于Keras实现的seq2seq聊天机器人项目，采用生成式对话模型，通过编码器-解码器架构学习对话模式。项目解决了传统检索式聊天机器人回复僵硬、缺乏上★ 329
pmetalPMetal 是一个面向 Apple Silicon 的高性能本地大模型框架，用 Rust 编写，目标是在 Mac 上把 LLM 推理、LoRA/QLoRA 微★ 329
holocronholocron 是一个基于 PyTorch 的计算机视觉技巧集合库，把近年论文中验证有效的模块、损失函数和训练优化器用统一接口实现，方便直接嵌入现有模型。它解★ 329
dialogbotdialogbot 是一个面向中文场景的开源对话机器人框架，旨在提供开箱即用的多类型对话能力。它整合了问答型、任务型和生成型三种主流对话模式，并支持网络检索问答★ 327
Comprehensive-Transformer-TTS这是一个基于非自回归Transformer的文本转语音（TTS）项目，集成了多种SOTA Transformer架构，并支持有监督和无监督两种时长建模方式。它解★ 327