Código abierto

Todo lo que publicamos está disponible en GitHub, de la biblioteca actual a los proyectos de imagen que la precedieron.

Modelos de lenguaje

Dlib-Transformer-extensions

Arquitecturas transformer, utilidades para modelos de lenguaje, ejemplos y modelos entrenados para Dlib, en C++14. Albireo y Pseudalis se desarrollan aquí.

  • C++14
  • CUDA
  • BSL-1.0

ERNIE

Un modelo de lenguaje muy pequeño construido con Dlib: capas de embedding, de codificación posicional y lineales escritas para él, con un ejemplo completo de entrenamiento.

  • C++
  • MIT

Dlib-BPE-Tokenizer

Un tokenizador de codificación por pares de bytes para Dlib, con vocabularios de 500 a 8000 tokens entrenados con 2,7 GB de texto en inglés y francés.

  • C++14
  • MIT

dlib-models-training

Programas de entrenamiento para modelos Dlib: un Vision Transformer con autosupervisión Barlow Twins, una comparación con ResNet-34 en Stable ImageNet-1K y modelos de lenguaje de mezcla de expertos.

  • C++
  • MIT

Imágenes

Colorify

La coloración automática de imágenes y películas en blanco y negro: una ResNet con estructura U-Net, refinada por una red generativa antagónica y entrenada con unas 900 000 imágenes.

Imágenes en blanco y negro y sus versiones coloreadas por el modelo de alta resolución de Colorify
  • C++
  • GAN
  • MIT

FFgan

Rostros sintéticos generados por una DCGAN entrenada con más de 150 000 rostros, con un servidor web integrado para probar el modelo.

Rostros sintéticos generados por FFgan
  • C++
  • GAN
  • GPL

BAREL

Un método de aprendizaje híbrido que hace seguir al aprendizaje autosupervisado un aprendizaje métrico supervisado. Su modelo de reconocimiento facial alcanza el 96,1 % en LFW.

  • C++
  • MIT

Datos y herramientas

Dlib-ImageNet-Datasets

Conjuntos de datos Stable ImageNet-1K preprocesados a varias resoluciones, para experimentos rápidos de visión con Dlib.

  • C++14
  • MIT

FFspider

Un rastreador web multihilo escrito para construir bases de imágenes destinadas a la investigación.

  • C++
  • MIT

Modelos aportados a dlib-models

Varios modelos que hemos entrenado están publicados en el repositorio de modelos de Dlib: reconocimiento facial con una DenseNet entrenada con el método BAREL, un clasificador de género, un estimador de edad, rostros sintéticos, coloración de alta resolución, una ResNet-50 autosupervisada y modelos Vision Transformer.

Temas de investigación sobre imágenes

  • Redes generativas antagónicas
  • Coloración automática
  • Eliminación de ruido
  • Tokenización
  • Aprendizaje autosupervisado y no supervisado
  • Reconocimiento facial

La biblioteca y los productos están bajo la Boost Software License 1.0. Los demás repositorios llevan su propia licencia, indicada en cada tarjeta.