#yolo Repositories
Entdecke 88 aktive Open-Source-GitHub-Repositories, die mit #yolo getaggt sind und insgesamt 433,903 Sterne gesammelt haben (durchschnittlich 4,930 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ultralytics/ultralytics mit 63,640 Sternen.
Insgesamt 88 Repositories
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Posenschätzung und Objektverfolgung
Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Label Studio ist ein Tool zur Beschriftung und Annotation von Daten mehrerer Typen mit standardisiertem Ausgabeformat
CVAT ist eine führende Datenannotationsplattform für Bild-, Video-, Audio- und 3D-Datensätze. Sie bietet Open-Source-, Cloud- und Enterprise-Produkte sowie Labeling-Dienste mit KI-gestützter Annotation, Qualitätssicherung, Teamzusammenarbeit, Analysen und APIs für Entwickler.
OpenVINO™ ist ein Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz.
X-AnyLabeling: Eine schlanke, effiziente und einheitliche plattformübergreifende Desktop-Anwendung zur Annotation von Texten, Bildern, Videos, Punktwolken und multimodalen Daten. Sie kombiniert vielseitige integrierte Werkzeuge mit modernsten KI-Modellen und flexiblen Exportmöglichkeiten in mehreren Formaten.
PyTorch-Implementierung von YOLOv3, YOLOv3-SPP und YOLOv3-tiny für Echtzeit-Objekterkennung mit Training, Validierung, Inferenz und Export in verschiedene Formate.
YOLOX ist ein leistungsstarkes ankerfreies YOLO, das yolov3~v5 übertrifft und von MegEngine, ONNX, TensorRT, ncnn und OpenVINO unterstützt wird. Dokumentation: https://yolox.readthedocs.io/
Ein umfassendes Toolkit für die hochwertige Extraktion von PDF-Inhalten
BoxMOT: Plugbares Multi-Objekt-Tracking in Python und C++ für achsenparallele und orientierte Boxen, jetzt mit Helm-Bereitstellung für kontinuierliches Kameratracking auf Kubernetes.
Go-Paket für Computer Vision mit OpenCV 4 und höher. Enthält Unterstützung für DNN, CUDA, OpenCV Contrib und OpenVINO.
Einige Skripte zur Zielerkennung und Code mit Verbesserungsideen; bitte im readme.md nachlesen.
Selbst gehostete, nur lokale NVR- und KI-Computer-Vision-Software. Mit Funktionen wie Objekterkennung, Bewegungserkennung, Gesichtserkennung und mehr gibt sie Ihnen die Möglichkeit, Ihr Zuhause, Ihr Büro oder jeden anderen Ort, den Sie überwachen möchten, im Auge zu behalten.
Müheloses KI-gestütztes Datenlabeling dank KI-Unterstützung von YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) und MobileSAM!!
Gute Projekte für Hochschulabsolventen, Herbstkampagnen, Frühjahrskampagnen und Praktika! Begleitet Sie Schritt für Schritt bei der Implementierung einer Hochleistungs-Deep-Learning-Inferenzbibliothek, die das Schlussfolgern für große Modelle wie Llama2, Unet, YoloV5, Resnet usw. unterstützt. Implementieren Sie Schritt für Schritt eine Hochleistungs-Deep-Learning-Inferenzbibliothek.
OpenMMLab YOLO-Serien-Toolbox und Benchmark. Implementiert RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE usw.
Eine PyTorch-Implementierung des YOLO v3 Objekterkennungsalgorithmus
DAMO-YOLO: eine schnelle und genaue Objekterkennungsmethode mit einigen neuen Techniken, darunter NAS-Backbones, effizientes RepGFPN, ZeroHead, AlignedOTA und Destillationsverbesserung.
Mittlere durchschnittliche Präzision - Dieser Code bewertet die Leistung Ihres neuronalen Netzes für die Objekterkennung.
🔥🔥🔥 Konzentriert auf YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5 verbesserte Modelle, Unterstützung bei der Verbesserung von Backbone, Neck, Head, Loss, IoU, NMS und anderen Modulen🚀
🥂 Nehmen Sie die hCaptcha-Herausforderung mit einem multimodalen großen Sprachmodell elegant an.
Basierend auf YOLOv5 Head Person Helm-Erkennung auf Baustellen, ein System zur Erkennung von Schutzhelmen und 🚀😆Verbotszonen auf Baustellen mit einem super detaillierten YOLOv5-Tutorial zum Trainieren eigener Datensätze 🚀😆Neu im März 2021: Visuelle Benutzeroberfläche ❗❗
Jupyter Notebook-Tutorials zum Lösen realer Probleme mit Machine Learning & Deep Learning unter Verwendung von PyTorch. Themen: Gesichtserkennung mit Detectron 2, Anomalieerkennung in Zeitreihen mit LSTM Autoencoders, Objekterkennung mit YOLO v5, Erstellen Ihres ersten Neural Network, Zeitreihenprognose für tägliche Coronavirus-Fälle, Sentiment Analysis mit BER
Mehrfache Objektverfolgung, basierend auf dem Ungarischen Algorithmus + Kalman-Filter.
YOLO5Face: Warum einen Gesichtserkenner neu erfinden (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)
NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 Implementierung für YOLO-Modelle
Implementierung des Papiers – You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)
🚀🚀🚀 Eine Sammlung einiger großartiger öffentlicher YOLO-Objekterkennungs-Serienprojekte und der zugehörigen Objekterkennungsdatensätze.
All-in-One-Training für Visionsmodelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Feinabstimmung, Destillation.
Implementierung von „YOLOv13: Echtzeit-Objekterkennung mit Hypergraphen-verbesserter adaptiver visueller Wahrnehmung“.
Universelles zweites Auge für Spieler mit Beeinträchtigungen (Universeller KI-Zielausrichter (KI-Aimbot) - ONNX/YOLOv8 - C#)
ein offenes Framework für Blindenavigation basierend auf ESP32
Bücher / PDFs / EPUBs für verschiedene Bereiche der Programmierung. LESEN WACHSEN UND GENIESSEN 😊😊😊😊
Legacy JSON-zu-YOLO-Datensatzkonverter für COCO-, LabelMe-, Labelbox-, VoTT-, INFOLKS- und ATH-Annotationen. Wurde durch convert_coco() im Ultralytics-Paket ersetzt.
:basketball::robot::basketball: KI-Web-App und API zur Analyse von Basketballschüssen und Wurfposen.
TensorRT für die YOLO-Serie (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), NMS-Plugin-Unterstützung
LibreYOLO ist eine unter der MIT-Lizenz lizenzierte Open-Source-Computer-Vision-Bibliothek
Python Computer Vision & Video Analytics Framework mit Batterien im Lieferumfang enthalten
Häufig gestellte Fragen
Welches ist das beliebteste #yolo-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#yolo-Projekt auf GitHub ist ultralytics/ultralytics mit 63,640 Sternen. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Posenschätzung und Objektverfolgung
Welche Programmiersprachen werden in #yolo-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #yolo-Projekten auf GitHub sind Python, C++, Jupyter Notebook, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #yolo-Repositories berechnet?
Wir verfolgen 88 aktive Open-Source-Repositories, die mit #yolo getaggt sind (500+ Sterne), mit insgesamt 433,903 Sternen und durchschnittlich 4,930 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.