Open source

Tout ce que nous publions est disponible sur GitHub, de la bibliothèque actuelle aux projets d'image qui l'ont précédée.

Modèles de langage

Dlib-Transformer-extensions

Des architectures de transformers, des utilitaires pour les modèles de langage, des exemples et des modèles entraînés pour Dlib, en C++14. Albireo et Pseudalis y sont développés.

  • C++14
  • CUDA
  • BSL-1.0

ERNIE

Un très petit modèle de langage construit avec Dlib : des couches d'embedding, d'encodage positionnel et linéaires écrites pour lui, avec un exemple complet d'apprentissage.

  • C++
  • MIT

Dlib-BPE-Tokenizer

Un tokeniseur par encodage de paires d'octets pour Dlib, avec des vocabulaires de 500 à 8 000 jetons entraînés sur 2,7 Go de texte anglais et français.

  • C++14
  • MIT

dlib-models-training

Des programmes d'apprentissage pour les modèles Dlib : un Vision Transformer auto-supervisé par Barlow Twins, une comparaison avec ResNet-34 sur Stable ImageNet-1K et des modèles de langage à mélange d'experts.

  • C++
  • MIT

Images

Colorify

La colorisation automatique d'images et de films en noir et blanc : un ResNet à structure U-Net, affiné par un réseau antagoniste génératif et entraîné sur environ 900 000 images.

Des images en noir et blanc et leurs versions colorisées par le modèle haute résolution de Colorify
  • C++
  • GAN
  • MIT

FFgan

Des visages synthétiques générés par un DCGAN entraîné sur plus de 150 000 visages, avec un serveur web intégré pour essayer le modèle.

Des visages synthétiques générés par FFgan
  • C++
  • GAN
  • GPL

BAREL

Une méthode d'apprentissage hybride qui fait suivre l'apprentissage auto-supervisé d'un apprentissage métrique supervisé. Son modèle de reconnaissance faciale atteint 96,1 % sur LFW.

  • C++
  • MIT

Données et outils

Dlib-ImageNet-Datasets

Des jeux de données Stable ImageNet-1K prétraités à plusieurs résolutions, pour des expériences de vision rapides avec Dlib.

  • C++14
  • MIT

FFspider

Un robot d'exploration du web multifil, écrit pour constituer des bases d'images destinées à la recherche.

  • C++
  • MIT

Des modèles versés à dlib-models

Plusieurs modèles que nous avons entraînés sont publiés dans le dépôt de modèles de Dlib : reconnaissance faciale par un DenseNet entraîné selon la méthode BAREL, classifieur de genre, estimateur d'âge, visages synthétiques, colorisation haute résolution, ResNet-50 auto-supervisé et modèles Vision Transformer.

Thèmes de recherche sur l'image

  • Réseaux antagonistes génératifs
  • Colorisation automatique
  • Retrait du bruit
  • Tokenisation
  • Apprentissage auto-supervisé et non supervisé
  • Reconnaissance faciale

La bibliothèque et les produits sont sous la Boost Software License 1.0. Les autres dépôts portent leur propre licence, indiquée sur chaque carte.