ओपन सोर्स

हम जो कुछ भी प्रकाशित करते हैं वह GitHub पर उपलब्ध है, आज की लाइब्रेरी से लेकर उससे पहले की चित्र-परियोजनाओं तक।

भाषा मॉडल

Dlib-Transformer-extensions

Dlib के लिए ट्रांसफ़ॉर्मर आर्किटेक्चर, भाषा मॉडल की यूटिलिटी, उदाहरण और प्रशिक्षित मॉडल, C++14 में। Albireo और Pseudalis भी यहीं विकसित होते हैं।

  • C++14
  • CUDA
  • BSL-1.0

ERNIE

Dlib से बना एक बहुत छोटा भाषा मॉडल: उसके लिए लिखी गई एम्बेडिंग, पोज़िशनल एन्कोडिंग और लीनियर लेयर, प्रशिक्षण के एक पूरे उदाहरण के साथ।

  • C++
  • MIT

Dlib-BPE-Tokenizer

Dlib के लिए एक बाइट-पेयर एन्कोडिंग टोकनाइज़र, 2.7 GB अंग्रेज़ी और फ़्रेंच पाठ पर प्रशिक्षित 500 से 8,000 टोकन की शब्दावलियों के साथ।

  • C++14
  • MIT

dlib-models-training

Dlib मॉडलों के प्रशिक्षण प्रोग्राम: Barlow Twins सेल्फ़-सुपरविज़न वाला Vision Transformer, Stable ImageNet-1K पर ResNet-34 से तुलना, और मिक्सचर-ऑफ़-एक्सपर्ट्स भाषा मॉडल।

  • C++
  • MIT

चित्र

Colorify

श्वेत-श्याम चित्रों और फ़िल्मों का स्वचालित रंगीकरण: U-Net संरचना वाला ResNet, जनरेटिव एडवर्सेरियल नेटवर्क से निखारा गया और लगभग 9 लाख चित्रों पर प्रशिक्षित।

श्वेत-श्याम चित्र और Colorify के हाई-रिज़ॉल्यूशन मॉडल से रंगे गए उनके संस्करण
  • C++
  • GAN
  • MIT

FFgan

1.5 लाख से अधिक चेहरों पर प्रशिक्षित DCGAN से बने सिंथेटिक चेहरे, मॉडल को परखने के लिए अंतर्निहित वेब सर्वर के साथ।

FFgan से बने सिंथेटिक चेहरे
  • C++
  • GAN
  • GPL

BAREL

एक हाइब्रिड लर्निंग विधि, जिसमें सेल्फ़-सुपरवाइज़्ड लर्निंग के बाद सुपरवाइज़्ड मेट्रिक लर्निंग आती है। इसका चेहरा पहचान मॉडल LFW पर 96.1% तक पहुँचता है।

  • C++
  • MIT

डेटा और टूल

Dlib-ImageNet-Datasets

कई रिज़ॉल्यूशन पर प्रीप्रोसेस किए गए Stable ImageNet-1K डेटासेट, Dlib के साथ विज़न के त्वरित प्रयोगों के लिए।

  • C++14
  • MIT

FFspider

शोध के लिए चित्र-डेटाबेस बनाने हेतु लिखा गया एक मल्टी-थ्रेडेड वेब क्रॉलर।

  • C++
  • MIT

dlib-models में दिए गए मॉडल

हमारे प्रशिक्षित कई मॉडल Dlib की मॉडल रिपॉज़िटरी में प्रकाशित हैं: BAREL विधि से प्रशिक्षित DenseNet से चेहरे की पहचान, एक लिंग वर्गीकारक, एक आयु अनुमानक, सिंथेटिक चेहरे, हाई-रिज़ॉल्यूशन रंगीकरण, एक सेल्फ़-सुपरवाइज़्ड ResNet-50 और Vision Transformer मॉडल।

चित्रों पर शोध के विषय

  • जनरेटिव एडवर्सेरियल नेटवर्क
  • स्वचालित रंगीकरण
  • शोर हटाना
  • टोकनाइज़ेशन
  • सेल्फ़-सुपरवाइज़्ड और अनसुपरवाइज़्ड लर्निंग
  • चेहरे की पहचान

लाइब्रेरी और उत्पाद Boost Software License 1.0 के अंतर्गत हैं। बाक़ी रिपॉज़िटरी का अपना लाइसेंस है, जो हर कार्ड पर दिखाया गया है।