Ferramenta em Python para restauração cega de rostos, que melhora rostos borrados, de baixa qualidade ou danificados em fotos e vídeos usando um transformer com consulta a codebook.
18,2 mil3,7 milPythonOtherAtualizado há 11 meses
Project-MONAI/MONAI
Framework open source baseado em PyTorch para deep learning com imagens médicas, com ferramentas de pré-processamento, redes, funções de perda e métricas de avaliação.
- Estrelas
- 8,789
- Forks
- 1,672
- Issues abertas
- 515
- Último commit
- há 21 horas
O que é?
MONAI (Medical Open Network for AI) é um framework baseado em PyTorch para criar workflows de deep learning com imagens médicas. Ele oferece blocos de construção para dados de imagens médicas multidimensionais, incluindo pré-processamento flexível, redes específicas do domínio, funções de perda e métricas de avaliação, permitindo que pesquisadores montem pipelines de treinamento de ponta a ponta sem precisar implementar esses componentes do zero.
As APIs foram projetadas para serem composicionais e portáveis, permitindo integrar componentes a workflows PyTorch existentes. O toolkit pode ser personalizado para pessoas com diferentes níveis de experiência e oferece suporte a paralelismo de dados em várias GPUs e vários nós. Faz parte do PyTorch Ecosystem e pode ser instalado pelo PyPI, conda-forge e Docker Hub.
O MONAI também inclui um formato de bundle para empacotar e compartilhar modelos treinados e workflows, além de um Model Zoo complementar com modelos contribuídos pela comunidade.
Recursos principais
- 01Pré-processamento flexível de dados multidimensionais de imagens médicas
- 02Redes específicas do domínio, funções de perda e métricas de avaliação
- 03APIs composicionais e portáveis que se integram a workflows PyTorch existentes
- 04Suporte a paralelismo de dados em várias GPUs e vários nós
- 05Formato MONAI Bundle para empacotar e compartilhar workflows
Casos de uso
- Treinar modelos de segmentação ou classificação com tomografias, ressonâncias magnéticas ou outros exames médicos
- Adicionar transforms e métricas específicas da área da saúde a um pipeline PyTorch existente
- Empacotar e compartilhar workflows reproduzíveis de imagens médicas pelo Model Zoo
Início rápido
- 1
Instale a versão mais recente pelo PyPI
pip install monai - 2
Consulte o guia de instalação para ver outras opções
- 3
Experimente a demonstração do MedNIST no Colab ou explore o repositório de tutoriais
Antes de usar
- Depende do PyTorch e do NumPy, além de várias dependências opcionais.
Tópicos
Perguntas frequentes
- O que é MONAI?
- Framework open source baseado em PyTorch para deep learning com imagens médicas, com ferramentas de pré-processamento, redes, funções de perda e métricas de avaliação. MONAI (Medical Open Network for AI) é um framework baseado em PyTorch para criar workflows de deep learning com imagens médicas. Ele oferece blocos de construção para dados de imagens médicas multidimensionais, incluindo pré-processamento flexível, redes específicas do domínio, funções de perda e métricas de avaliação, permitindo que pesquisadores montem pipelines de treinamento de ponta a ponta sem precisar implementar esses componentes do zero.
- MONAI é gratuito? Qual é a licença?
- MONAI é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- MONAI ainda é mantido?
- Manutenção ativa. O último commit de MONAI foi em 19 de out. de 2026.
- Para que posso usar MONAI?
- Treinar modelos de segmentação ou classificação com tomografias, ressonâncias magnéticas ou outros exames médicos Adicionar transforms e métricas específicas da área da saúde a um pipeline PyTorch existente Empacotar e compartilhar workflows reproduzíveis de imagens médicas pelo Model Zoo
- Como instalar MONAI?
- Instale a versão mais recente pelo PyPI: pip install monai Consulte o guia de instalação para ver outras opções Experimente a demonstração do MedNIST no Colab ou explore o repositório de tutoriais
- Onde consigo MONAI?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Project-MONAI/MONAI
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Python de inferência para o Kokoro-82M, um modelo de conversão de texto em fala com pesos abertos e 82 milhões de parâmetros.
9,5 mil1,1 milJavaScriptApache-2.0Atualizado ano passado
Biblioteca de OCR de código aberto para Python que detecta e reconhece texto em PDFs e imagens usando modelos de deep learning baseados em PyTorch.
6,4 mil687PythonApache-2.0Atualizado há 12 horas
Modelo de TTS leve baseado no ZipVoice para clonagem de voz e geração de fala a 48 kHz, com velocidade superior a 150x em tempo real na GPU.
5,5 mil685PythonApache-2.0Atualizado há 5 meses
Código de pesquisa do WorldGrow, um método que gera mundos 3D abertos e exploráveis, bloco a bloco, a partir de um bloco inicial, com saída em Gaussian splats e malhas.
50028PythonSem licençaAtualizado há 11 meses
Um LLM de vídeo treinado com transcrição de fala em streaming que gera comentários em tempo real sobre vídeos ao vivo, apresentado no artigo LiveCC da CVPR 2025.
48059PythonSem licençaAtualizado há 12 meses