#faster-rcnn Repositories
Entdecke 10 aktive Open-Source-GitHub-Repositories, die mit #faster-rcnn getaggt sind und insgesamt 52,590 Sterne gesammelt haben (durchschnittlich 5,259 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist open-mmlab/mmdetection mit 32,234 Sternen.
Insgesamt 10 Repositories
Object-Detection-Toolkit basierend auf PaddlePaddle. Es unterstützt Objekterkennung, Instanzsegmentierung, Mehrfachobjektverfolgung und Echtzeit-Multi-Person-Keypoint-Erkennung.
Eine neue Codebasis für beliebte Scene Graph Generation-Methoden (2020). Visualisierung & Scene Graph Extraction auf benutzerdefinierten Bildern/Datensätzen sind vorhanden. Es ist auch eine PyTorch-Implementierung des Papiers „Unbiased Scene Graph Generation from Biased Training CVPR 2020“
Ein Agnostisches Computer Vision Framework – Erweiterebar für jede Trainingsbibliothek: Fastai, Pytorch-Lightning und mehr werden folgen
Projektnotizen + Reproduktion von Papieren + Algorithmuswettbewerbe + PyTorch-Praxis + LeetCode + VLM-Vortraining
[Pedestron] Generalisierbare Fußgängererkennung: Der Elefant im Raum. @ CVPR2021
Tensorflow Faster R-CNN für Windows/Linux und Python 3 (3.5/3.6/3.7)
MMDetection-Modell in TensorRT konvertieren, Unterstützung für FP16, INT8, Batch-Input, dynamische Form usw.
RectLabel ist ein Offline-Tool zur Bildannotation für Objekterkennung und Segmentierung.
Häufig gestellte Fragen
Welches ist das beliebteste #faster-rcnn-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#faster-rcnn-Projekt auf GitHub ist open-mmlab/mmdetection mit 32,234 Sternen. OpenMMLab Detection Toolbox und Benchmark
Welche Programmiersprachen werden in #faster-rcnn-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #faster-rcnn-Projekten auf GitHub sind Python, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #faster-rcnn-Repositories berechnet?
Wir verfolgen 10 aktive Open-Source-Repositories, die mit #faster-rcnn getaggt sind (500+ Sterne), mit insgesamt 52,590 Sternen und durchschnittlich 5,259 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.