#detection Repositories
Insgesamt 101 Repositories
🔥🔥🔥TensorRT für YOLO26 (Detektion/Pose/Segmentierung/Tiefe/rotierte Bounding-Boxen/Klassifizierung), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA IST ALLES, WAS DU BRAUCHST. 🍎🍎🍎
Das Medical Detection Toolkit enthält 2D + 3D-Implementierungen gängiger Objekterkenner wie Mask R-CNN, Retina Net, Retina U-Net sowie ein Trainings- und Inferenz-Framework, das sich auf den Umgang mit medizinischen Bildern konzentriert.
Leistungsstarke TensorFlow Lite-Bibliothek für React Native mit GPU-Beschleunigung
Klassifiziert GPUs basierend auf ihrer 3D-Rendering-Benchmark-Bewertung, sodass Entwickler vernünftige Standardeinstellungen für grafikintensive Anwendungen bereitstellen können.
Local-First-Plattform für Kameras und NVR. Jede Kamera, die du besitzt. Eine App.
Patchwork++: Schnelle und robuste Methode zur Bodensegmentierung für 3D-LiDAR-Scans. @ IROS'22
Werkzeuge zum schnellen Bereitstellen einer Bedrohungssuche-Fähigkeit in Azure Sentinel, die Sysmon und MITRE ATT&CK nutzt
Ein Dienstprogramm zum Erkennen verschiedener Technologien für eine gegebene IP-Adresse.
Wahrnehmungs-Toolkit für Sim2Real-Training und -Validierung in Unity
FaceXlib zielt darauf ab, einsatzbereite gesichtsbezogene Funktionen auf der Grundlage aktueller Open-Source-Methoden des STOA bereitzustellen.
👉 CARLA-Ressourcen wie Tutorial, Blog, Code usw. https://github.com/carla-simulator/carla
Ein Repository zur Verwendung von osquery für die Erkennung und Reaktion auf Vorfälle
Ein eigenständiges SIGMA-basiertes Erkennungstool für EVTX-, Auditd- und Sysmon-Protokolle für Linux
YoloDotNet - Ein C# .NET 8.0-Projekt für Klassifizierung, Objekterkennung, OBB-Erkennung, Segmentierung und Pose-Schätzung in Bildern und Live-Videostreams.
Eine Browsererweiterung, mit der Sie JavaScript-Senken basierend auf anpassbaren Konfigurationen überwachen, abfangen und debuggen können.
Selbst gehostete Browser-Fingerabdruckerkennung und Bot-Erkennung unter Berücksichtigung realer Beschränkungen.
[CVPR2026]🚀🚀🚀Offizieller Code für das Papier "YOLO-Master: MOE-Accelerated mit spezialisierten Transformern für verbesserte Echtzeit-Erkennung." *(YOLO = You Only Look Once)* 🔥🔥🔥
yolort ist ein Laufzeit-Stack für yolov5 auf spezialisierten Beschleunigern wie tensorrt, libtorch, onnxruntime, tvm und ncnn.
GUI zum Markieren von Bounding Boxes von Objekten in Bildern für das Training des neuronalen Netzwerks YOLO
Verweise auf großskalige Unterwasser-Datensätze und relevante Ressourcen
LSD (LiDAR SLAM & Detection) ist eine Open-Source-Wahrnehmungsarchitektur für autonome Fahrzeuge/Roboter
Punktbasierter und winziger Objekterkennungs- und Lokalisierungscodesatz von UCAS-VG
Scirius ist eine Webanwendung für das Suricata-Regelsatzmanagement und die Bedrohungsjagd.
🔍 Erweiterung, die erkennt, welche JavaScript-Bibliotheken auf einer Seite laufen
nnDetection ist ein selbstkonfigurierendes Framework für die 3D- (volumetrische) medizinische Objekterkennung, das ohne manuelle Eingriffe auf neue Datensätze angewendet werden kann. Es enthält Anleitungen für 12 Datensätze, die zur Entwicklung und Bewertung der Leistung der vorgeschlagenen Methode verwendet wurden.
Keras beit,caformer,CMT,CoAtNet,convnext,davit,dino,efficientdet,edgenext,efficientformer,efficientnet,eva,fasternet,fastervit,fastvit,flexivit,gcvit,ghostnet,gpvit,hornet,hiera,iformer,inceptionnext,lcnet,levit,maxvit,mobilevit,moganet,nat,nfnets,pvt,swin,tinynet,tinyvit,uniformer,volo,vanillanet,yolor,yolov7,yolov8,yolox,gpt2,llama2, alias kecam
Wangkanai ist eine Sammlung von ASP.NET Core-Bibliotheken, die intern im Laufe der Zeit entwickelt wurden und gemeinsame Verwendungen teilen, die dem gesamten Open-Source-Community zugutekommen würden.
Dieses Repository bietet eine umfassende Liste von Radar- und optischen Satellitendatensätzen, die für die Schiffsdetektion, -klassifizierung, -semantische Segmentierung und -instanzsegmentierung kuratiert wurden. Diese Datensätze sind ideal für Anwendungen in den Bereichen Computer Vision, maschinelles Lernen, Fernerkundung und maritime Analyse.
Echtzeit-Erkennung von vielfältigen dynamischen Objekten in komplexen Umgebungen.
Python-Bibliothek für YOLO-Kleinstobjekterkennung und Instanzsegmentierung
Living Off the Orchard: macOS Binaries (LOOBins) wurde entwickelt, um detaillierte Informationen über verschiedene integrierte macOS-Binärdateien des Typs „Living off the Land“ bereitzustellen und wie diese von Bedrohungsakteuren für böswillige Zwecke genutzt werden können.
RectLabel ist ein Offline-Tool zur Bildannotation für Objekterkennung und Segmentierung.
Gleichzeitige Erkennung der minimalen Python-Versionen, die zum Ausführen von Code benötigt werden
Eine kuratierte Liste hervorragender Papiere zu Embodied AI und verwandten Forschungs‑/Industrie‑Ressourcen.