音频分析

• CREPE节距检测网 培训时间： 单声道信号数据

  跟踪单音信号的音高
• Wolfram AudioIdentify V1（沃尔夫拉姆音频识别V1） 培训时间： AudioSet数据

  识别音频信号中的声音

分类

• 3D-Inflated ResNet-50公司 培训时间： 动力学400数据

  确定视频中的主要动作
• Ademxapp模型A 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 年龄估算VGG-16 培训时间： IMDB-WIKI和查看人员数据

  根据一个人的面部图像预测他的年龄
• 年龄估算VGG-16 培训时间： IMDB-WIKI数据

  根据一个人的面部图像预测他的年龄
• CapsNet公司 培训时间 MNIST数据

  识别图像中的手写数字
• 频道分离视频动作分类网 培训时间： 动力学-400数据

  确定视频中的主要动作
• 密集网-121 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 效率网 培训时间： ImageNet公司

  识别图像中的主要对象
• 效率网 培训时间： 带有AdvProp和AutoAugment的ImageNet

  识别图像中的主要对象
• 效率网 培训时间： 带自动增强功能的ImageNet

  识别图像中的主要对象
• 效率网 培训时间： 有噪音的ImageNet学生

  识别图像中的主要对象
• 效率网 培训时间： 带有RandAugment的ImageNet

  识别图像中的主要对象
• 效率Net-V2 培训时间： ImageNet-21K图像网

  识别图像中的主要对象
• 效率Net-V2 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 性别预测VGG-16 培训时间： IMDB-WIKI数据

  根据一个人的面部图像预测他的性别
• 初始V1 培训时间： 扩展的显著对象Subitizing数据

  计算图像中突出项目的数量
• 初始V1 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 初始V1 培训时间： Places365数据

  识别图像的场景类型
• 初始V3 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• LeNet公司 培训时间 MNIST数据

  识别图像中的手写数字
• MobileNet-3D V1 培训时间： 视频数据集

  识别视频中的动作
• MobileNet-3D V2 培训时间 视频数据集

  识别视频中的主要动作
• MobileNet V1 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• MobileNet V2 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• MobileNet V3 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 视网膜疾病光学网络分类器

  从光学断层图像诊断视网膜疾病
• 资源网-101 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 资源网-101 培训时间： YFCC100万地理标记数据

  确定照片的地理位置
• ResNet-152公司 培训时间 ImageNet竞争数据

  识别图像中的主要对象
• ResNet-50公司 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 数字数据的自规范化网络

  对数字数据进行分类或回归
• ShuffleNet-3D V1 培训时间： 视频数据集

  确定视频中的主要动作
• 洗牌Net-3D V2 培训时间： 视频数据集

  确定视频中的主要动作
• 洗牌Net-V1 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 洗牌Net-V2 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 慢速视频动作分类 培训时间： 动力学-400数据

  确定视频中的主要动作
• 用于动作识别的时空ResNet-18 培训时间： 动力学-400数据

  确定视频中的主要动作
• 挤压励磁网 培训时间 ImageNet竞争数据

  识别图像中的主要对象
• 挤压网-3D 培训时间： 视频数据集

  确定视频中的主要动作
• SqueezeNet V1.1 培训时间 ImageNet竞争数据

  识别图像中的主要对象
• VGG-16型 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• VGG-19型 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 视觉变压器 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• 宽ResNet-50-2 培训时间： ImageNet竞争数据

  识别图像中的主要对象
• Wolfram AudioIdentify V1（沃尔夫拉姆音频识别V1） 培训时间： AudioSet数据

  识别音频信号中的声音
• Wolfram ImageIdentification网络V1

  识别图像中的主要对象
• X3D视频动作分类 培训时间： 动力学-400数据

  确定视频中的主要动作
• Yahoo Open NSFW型号V1

  确定图像是否包含色情内容
• YOLO V8分类 培训时间 ImageNet竞争数据

  识别图像中的主要对象

数据生成

• 草图-RNN 培训时间： QuickDraw数据

  生成手绘草图
• 稳定扩散V1

  生成照片级真实感图像

去噪

• 快速DVDNet 培训时间： DAVIS数据

  删除视频中的噪音

特征提取

• BERT（误码率） 培训时间： 图书语料库和维基百科数据

  将文本表示为向量序列
• BioBERT公司 培训时间： PubMed和PMC数据

  将文本表示为矢量序列
• BPEmb子字嵌入 培训时间： 维基百科数据

  将单词或子单词表示为向量
• 临床概念嵌入 培训时间： 健康保险索赔、斯坦福大学和PubMed杂志文章的临床叙述

  将临床概念表示为向量
• CLIP多域特征提取器

  将单词和图像表示为向量
• CoCa图像字幕网 培训时间： LAION-2B数据

  将单词和图像表示为向量
• ConceptNet Numberbatch字向量V17.06

  将单词表示为向量
• D2-净 培训时间： MegaDepth数据

  在图像中查找通用关键点及其特征向量
• 迪蒂尔伯特 培训时间： 图书语料库与英语维基百科数据

  将文本表示为向量序列
• ELMo上下文词语表达 培训时间： 1B字基准

  将单词表示为上下文单词嵌入向量
• Globe 100维单词向量 培训时间： 推文

  将单词表示为向量
• Globe 100维单词向量 培训时间： 维基百科和Gigaword 5数据

  将单词表示为向量
• Globe 200维单词向量 培训时间 推文

  将单词表示为向量
• Globe 25维词向量 培训时间： 推文

  将单词表示为向量
• Globe 300维单词向量 培训时间： 普通爬行42B

  将单词表示为向量
• Globe 300维单词向量 培训时间： 普通爬网840B

  将单词表示为向量
• Globe 300维单词向量 培训时间： 维基百科和Gigaword 5数据

  将单词表示为向量
• Globe 50维单词向量 培训时间： 推文

  将单词表示为向量
• Globe 50维单词向量 培训时间 维基百科和Gigaword 5数据

  将单词表示为向量
• GPT2变压器 培训时间： WebText数据

  生成英语文本并将文本表示为向量序列
• GPT变压器 培训时间： 图书语料库数据

  生成英语文本并将文本表示为向量序列
• OpenCLIP多域特征提取程序 培训时间： DataComp-1B数据

  将单词和图像表示为向量
• OpenCLIP多域特征提取程序 培训时间： LAION-2B数据

  将单词和图像表示为向量
• OpenFace人脸识别网 培训时间： CASIA-WebFace和FaceScrub数据

  将面部图像表示为向量
• 野生网络中的姿态感知人脸识别 培训时间： CASIA WebFace数据

  将面部图像表示为向量
• 预处理蒸馏BERT 培训时间： 图书语料库与英语维基百科数据

  将文本表示为向量序列
• 用于3D可变形模型回归的ResNet-101 培训时间： 赌场WebFace数据

  将面部图像表示为向量
• 资源网-101 培训时间： 增强的CASIA WebFace数据

  将面部图像表示为向量
• 罗伯塔 培训时间： 图书语料库、英语维基百科、CC-News、OpenWebText和故事数据集

  将文本表示为向量序列
• SciBERT公司 培训时间： 语义学者数据

  将文本表示为向量序列
• VGGish功能提取程序 培训时间： YouTube数据

  将声音表示为矢量序列

图像处理

• AdaIN-Style公司 培训时间： MS-COCO和油漆工数字数据

  将一个图像的样式转换为另一个图像
• CoCa图像字幕网 培训时间： LAION-2B数据

  将单词和图像表示为向量
• 彩色图像着色 培训时间： ImageNet竞争数据

  为灰度图像着色
• ColorNet图像着色 培训时间： ImageNet竞争数据

  为灰度图像着色
• ColorNet图像着色 培训时间 放置数据

  为灰度图像着色
• CycleGAN苹果到橙色的翻译 培训时间： ImageNet竞争数据

  在照片中把苹果变成桔子
• CycleGAN马到斑马的转换 培训时间： ImageNet竞争数据

  照片中把马变成斑马
• CycleGAN Monet-to-Photo翻译

  将莫奈风格的绘画变成照片
• CycleGAN Orange-to-Apple翻译 培训时间： ImageNet竞争数据

  在照片中把桔子变成苹果
• CycleGAN Photo-to-Cezanne翻译

  将照片变成塞尚风格的绘画
• CycleGAN Photo-to-Monet翻译

  把照片变成莫奈风格的绘画
• CycleGAN Photo-to-Van Gogh翻译

  把照片变成梵高风格的绘画
• CycleGAN夏译冬

  将夏季照片转换为冬季照片
• CycleGAN冬夏季翻译

  将冬季照片转换为夏季照片
• CycleGAN Zebra-to-Horse翻译 培训时间 ImageNet竞争数据

  照片中把斑马变成马
• 增强型超分辨率GAN 培训时间： DIV2K、Flickr2K和OST数据

  增加图像资源
• Pix2pix照片到街道地图的转换

  从卫星照片生成街道地图
• Pix2pix街道地图到照片的转换

  从街道地图生成卫星照片
• 斯塔根 培训时间： CelebA数据

  将图像从一个域转换到另一个域
• U2-Net纵向生成器 培训时间： AP图纸数据

  从照片生成人像草图
• 超分辨率的超深网络

  提高图像的分辨率

语言建模

• GPT2变压器 培训时间： WebText数据

  生成英语文本并将文本表示为向量序列
• GPT变压器 培训时间： BookCorpus数据

  生成英语文本并将文本表示为向量序列
• 情感语言模型 培训时间： 亚马逊产品审查数据

  生成英语文本并分析情绪
• Wolfram C字符级语言模型V1

  生成C代码
• Wolfram英语字符级语言模型V1

  生成英语文本
• Wolfram JavaScript字符级语言模型V1

  生成JavaScript代码
• Wolfram LaTeX字符级语言模型V1

  生成LaTeX代码
• Wolfram Python字符级语言模型V1

  生成Python代码

目标检测

• CenterNet姿势估计网 培训时间： MS-COCO数据

  检测并定位图像中的人体关节和物体
• 中心网 培训时间： MS-COCO数据

  检测并定位图像中的对象
• 效率检测 培训时间： MS-COCO数据

  检测并定位图像中的对象
• RetinaNet-101功能金字塔网 培训时间 MS-COCO数据

  检测并定位图像中的对象
• 缩放-YOLO V4 培训时间： MS-COCO数据

  检测并定位图像中的对象
• SSD功能金字塔网络 培训时间： MS-COCO数据

  检测并定位图像中的对象
• SSD-MobileNet V2 培训时间： MS-COCO数据 新款

  检测并定位图像中的对象
• SSD-VGG-300型 培训时间： PASCAL VOC数据

  检测并定位图像中的对象
• SSD-VGG-512型 培训时间： MS-COCO数据

  检测并定位图像中的对象
• SSD-VGG-512型 培训时间： PASCAL VOC2007、PASCAL VOC2012和MS-COCO数据

  检测并定位图像中的对象
• 约洛尔 培训时间： MS-COCO数据

  检测和定位图像中的对象
• YOLO V2型 培训时间 MS-COCO数据

  检测并定位图像中的对象
• YOLO V3公司 培训时间： 打开图像数据

  检测并定位图像中的对象
• YOLO V5版 培训时间： MS-COCO数据

  检测并定位图像中的对象
• YOLO V8检测 培训时间： MS-COCO数据

  检测并定位图像中的对象
• YOLO V8姿势 培训时间： MS-COCO数据

  检测并定位图像中的人体关节
• 约洛克斯 培训时间： MS-COCO数据

  检测并定位图像中的对象

回归

• 二维面对齐网 培训时间： 300W大姿态数据

  从面部图像中确定关键点的位置
• 三维面对齐网 培训时间： 300W大型姿势数据

  从面部图像中确定3D关键点的2D投影
• CenterNet姿势估计网 培训时间： MS-COCO数据

  检测并定位图像中的人体关节和物体
• 中心网 培训时间： MS-COCO数据

  检测并定位图像中的对象
• D2-净 培训时间： MegaDepth数据

  在图像中查找通用关键点及其特征向量
• 微型飞行器轨迹导航网 培训时间： IDSIA瑞士阿尔卑斯山和PASCAL VOC数据

  在森林环境中导航无人机
• MiDaS V2.1深度感知网 培训时间： 多数据集

  估计图像的深度图
• 数字数据的自规范化网络

  对数字数据进行分类或回归
• 单图像深度感知网 培训时间： 野生数据的深度

  估计图像的深度图
• 单图像深度感知网 培训时间： 纽约大学深度V2和野外深度数据

  估计图像的深度图
• 单图像深度感知网 培训时间： 纽约大学深度V2数据

  估计图像的深度图
• 用于三维人脸重建的非引导体回归网络

  从2D面部图像重建3D面部图像
• 香草CNN面部标志性回归

  根据面部图像确定眼睛、鼻子和嘴巴的位置

语义分割

• Ademxapp A1型 培训时间： ADE20K数据

  将图像分割为各种语义组件类
• Ademxapp A1型 培训时间： 城市景观数据

  将驾驶场景的图像分割为语义组件类
• Ademxapp A1型 培训时间： PASCAL VOC2012和MS-COCO数据

  将图像分割为各种语义组件类
• 稀释资源-105 培训时间： 城市景观数据

  将驾驶场景的图像分割为语义组件类
• 膨胀ResNet-22 培训时间： 城市景观数据

  将驾驶场景的图像划分为语义组件类
• 膨胀ResNet-38 培训时间 城市景观数据

  将驾驶场景的图像分割为语义组件类
• DoubleU-Net（双U网络） 培训时间： 医学图像分割数据集

  执行任务相关二进制分类的分割医学图像
• 快速SAM 培训时间： MS-COCO数据

  检测、分割和定位图像中的对象
• ForkNet大脑分割网 培训时间： NAMIC数据

  将人脑图像分割成不同的解剖结构
• 多尺度上下文聚合网 培训时间： CamVid数据

  将驾驶场景的图像分割为语义组件类
• 多尺度上下文聚合网 培训时间： 城市景观数据

  将驾驶场景的图像分割为语义组件类
• 多尺度上下文聚合网 培训时间： PASCAL VOC2012数据

  将图像分割为各种语义组件类
• U2-网络 培训时间： DUTS-TR数据

  分割图像中的对象
• 掌中宽带 培训时间： 聚丙烯酰胺底物数据上的胶质母细胞瘤-星形细胞瘤U373细胞

  分割显微镜图像以检测细胞
• YOLO V8车型段 培训时间： MS-COCO数据

  检测、分割和定位图像中的对象

语音识别

• 深度演讲2 培训时间： 百度英语数据

  录制英语录音
• Wav2Vec2型 培训时间： LibriSpeech数据

  录制英语录音
• Wav2Vec2型 培训时间： 多个数据集

  录制英语录音
• Wav2Vec2 XLSR-53型 培训时间： 多语言数据

  录制多语言录音