nn_works

В этом репозитории хранятся истории версий проектов, основанных на работе с алгоритмами глубокого обучения.

Проекты

№	Название(ссылка)	Описание	Комментарий
1	Классические алгоритмы и MLP	Сравнение моделей на данных MNIST.	MLP из sklearn.
2	Простая задача классификации	Пример решения простой задачи классификации вин.	Сравнение с логистической регрессией.
3	Простые задачи регрессии	Примеры решения простых задач регрессии.	Предсказание последовательностей синтетических данных.
4	Классификация рукописных цифр MNIST	Базовая работа с инструментами специального фреймворка для глубокого обучения.	MLP из Keras.
5	Классификация изображений Fashion MNIST	Базовая работа с инструментами специального фреймворка для глубокого обучения.	MLP из Keras.
6	Классификация рукописных цифр MNIST	Решение классической задачи с помощью lenet-архитектуры: совместное использование сверточных и полносвязных слоев.	CNN-MLP архитектура, работа с torch.
7	Классификация изображений Fashion MNIST	Работа со сверточной архитектурой.	CNN-MLP из Keras.
8	Классификация изображений CIFAR-10	Работа со сверточной архитектурой.	CNN-MLP из Keras.
9	Классификация сигналов оптомиографических датчиков	Решение задачи классификации непрерывных команд от пользователя на основе данных, полученных от оптомиографических датчиков, с использованием алгоритма рекуррентной нейронной сети.	Соревнование Kaggle.
10	Captcha Recognition	Задача распознавания букв английского алфавита на искаженных и зашумленных изображениях, используемых в стандартных тестах пользователя.	Transfer learning.
11	Transfer learning в решении задачи классификации цветов	Transfer learning & fine tuning.	Efficientnet.
12	Классификация картин	Transfer learning & fine tuning.	Resnet34.
13	Классификация цветов	Transfer learning & fine tuning.	Resnet34.
14	Классификация кошек и собак	Transfer learning & fine tuning.	VGG16.
15	Классификация фотографий знаменитостей	Transfer learning.	Resnet34.
16	Классификация тарелок (чистая/грязная)	Transfer learning & fine tuning.	Конкурс на Kaggle.
17	Детекция объектов (VOC2012) Faster RCNN	Решение задачи детекции объектов. Transfer learning.	Моя первая работа по детекции объектов!
18	Детекция объектов (VOC2012) YOLOv5	Решение задачи детекции объектов. Transfer learning.	Сравнение с Faster RCNN.
19	Детекция масок	Решение задачи детекции объектов. Transfer learning.	Faster RCNN, YOLOv8.
20	Обучение модели сегментации	Решение задачи сегментации объектов на фотографиях кошек и собак из датасета Oxford-IIIT.	Обучение и валидация модели FCN Resnet50.
21	Trimap extraction	Прогнозирование trimap.	Работа с DeepLabV3.
22	Cell Instance Segmentation	Сегментация экземпляров мозговых клеток человека.	Mask RCNN.
23	Spacecraft segmentation	Сегментация космических аппаратов.	U-Net, YOLOv8.
24	Image Restoration (Autoencoder and MNIST)	Работа с простым автоэнкодером, обучение латентного пространства и экстракция ее представлений.	Самописный SimpleAutoEncoder.
25	Face generation (Brendan Freys dataset)	Обучение простого вариационного автокодировщика для генерации изображений человеческого лица.	Самописный вариационный автоэнкодер.
26	GANs & cats	Обучаем GAN-ы генерировать кошачьи мордашки.	Самописные GAN-ы: mlpgan, dcgan, wgan.
27	CycleGAN (zebras and horses)	Обучаем CycleGAN перекрашивать лошадей в зебры и наоборот.	Самописный CycleGAN против оригинальной модели из репы авторов.
28	Working with GANs latent space	Исследование скрытого пространства для сгенерированных изображений.	Интерполяция между изображениями и простая веткорная арифметика.
29	MLP AAE (CelebA)	Обучение MLP AAE на данных CelebA.	Ковыряемся в полученном латентном слое.
30	Style transfer	Пробуем обучать простые модельки для переноса стиля.	Т.н. Real-Time Style Transfer — на классических решениях.
31	style-transfer-web-app	Проект по созданию прототипа веб-приложения переноса стилей.	streamlit.app
32	Image coloring	Учимся красить картнки из COCO.	GAN on U-Net with Gen from Resnet.
33	Image denoising	Учимся восстанавливать зашумленные изображения из COCO.	DnCNN, UNet.
34	Scratches and creases masks generation	Обучение генератора масок дефектов по изображениям с заломами и царапинами.	UNetPlusPlus from segmentation_models_pytorch.
35	SRGAN training	Обучение SRGAN на данных DIV-2K и Flickr2K.	Имплементация идеи из статьи на arxiv.
36	MedSRGAN training	Пробуем обучить SR-модель для восстановления качества рентгеновских снимков.	Имплементация идеи из статьи.
37	Object tracking (Yolov9 & DeepSORT)	Смотрим, как можно использовать Yolov9 и DeepSORT для трекинга объектов.	Блокнот заимствован у MuhammadMoinFaisal.
38	Virtual coach	Исследование keypont detection моделей.	RTMPose.