#yolov3 Repositories
Entdecke 30 aktive Open-Source-GitHub-Repositories, die mit #yolov3 getaggt sind und insgesamt 106,532 Sterne gesammelt haben (durchschnittlich 3,551 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist PaddlePaddle/PaddleDetection mit 14,482 Sternen.
Insgesamt 30 Repositories
Object-Detection-Toolkit basierend auf PaddlePaddle. Es unterstützt Objekterkennung, Instanzsegmentierung, Mehrfachobjektverfolgung und Echtzeit-Multi-Person-Keypoint-Erkennung.
Implementierung des Papers – YOLOv7: Trainable Bag-of-Freebies setzt neuen Stand der Technik für Echtzeit-Objekterkenner
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/
Implementierung beliebter Deep-Learning-Netzwerke mit der TensorRT-Netzwerkdefinitions-API
🔥 TensorFlow-Code für den technischen Bericht: „YOLOv3: An Incremental Improvement“
Eine PyTorch-Implementierung des YOLO v3 Objekterkennungsalgorithmus
🔥🔥🔥 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🚀
YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny implementiert in Tensorflow 2.0, Android. Konvertieren Sie YOLO v4 .weights in tensorflow, tensorrt und tflite
Dies ist ein Quellcode für yolo3-pytorch, der zum Trainieren Ihres eigenen Modells verwendet werden kann.
Hochleistungs-Tracking mehrerer Objekte basierend auf YOLO, Deep SORT und KLT 🚀
TensorRT8 unterstützt Yolov5n,s,m,l,x .darknet -> tensorrt. Yolov4 Yolov3 verwenden raw darknet *.weights und *.cfg Dateien. Wenn der Wrapper nützlich für dich ist, starre ihn bitte.
TensorRT für die YOLO-Serie (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), NMS-Plugin-Unterstützung
GUI zum Markieren von Bounding Boxes von Objekten in Bildern für das Training des neuronalen Netzwerks YOLO
Projektnotizen + Reproduktion von Papieren + Algorithmuswettbewerbe + PyTorch-Praxis + LeetCode + VLM-Vortraining
Lesbarer und flexibler Yolov5 mit mehr Backbones (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer, etc.) und (cbam, dcn und so weiter) sowie TensorRT
🚀🚀🚀 YOLO-Serie von PaddlePaddle-Implementierungen, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet und so weiter. 🚀🚀🚀
Erstellung einer Software zur automatischen Überwachung bei Online-Aufsicht
MMDetection-Modell in TensorRT konvertieren, Unterstützung für FP16, INT8, Batch-Input, dynamische Form usw.
Häufig gestellte Fragen
Welches ist das beliebteste #yolov3-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#yolov3-Projekt auf GitHub ist PaddlePaddle/PaddleDetection mit 14,482 Sternen. Object-Detection-Toolkit basierend auf PaddlePaddle. Es unterstützt Objekterkennung, Instanzsegmentierung, Mehrfachobjektverfolgung und Echtzeit-Multi-Person-Keypoint-Erkennung.
Welche Programmiersprachen werden in #yolov3-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #yolov3-Projekten auf GitHub sind Python, Jupyter Notebook, C++, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #yolov3-Repositories berechnet?
Wir verfolgen 30 aktive Open-Source-Repositories, die mit #yolov3 getaggt sind (500+ Sterne), mit insgesamt 106,532 Sternen und durchschnittlich 3,551 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.