#yolov5 Repositories
Entdecke 41 aktive Open-Source-GitHub-Repositories, die mit #yolov5 getaggt sind und insgesamt 152,009 Sterne gesammelt haben (durchschnittlich 3,707 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ultralytics/yolov5 mit 58,290 Sternen.
Insgesamt 41 Repositories
Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Object-Detection-Toolkit basierend auf PaddlePaddle. Es unterstützt Objekterkennung, Instanzsegmentierung, Mehrfachobjektverfolgung und Echtzeit-Multi-Person-Keypoint-Erkennung.
Eine Sammlung von Tutorials zu hochmodernen Computer-Vision-Modellen und -Techniken. Entdecken Sie alles von grundlegenden Architekturen wie ResNet bis hin zu Spitzenmodellen wie RF-DETR, YOLO11, SAM 3 und Qwen3-VL.
Implementierung beliebter Deep-Learning-Netzwerke mit der TensorRT-Netzwerkdefinitions-API
Ob Sie nun ein absoluter Anfänger im Kurs sind, Projektanwendungen in CV, NLP, LLM verfolgen oder die fortschrittliche ingenieurmäßige Bereitstellung und Implementierung anstreben, in „Praktischer Pytorch-Leitfaden“ (2. Auflage) finden Sie alles. Wir glauben, dass Leser mit Hilfe dieses Buches die Verwendung von PyTorch mühelos meistern und ausgezeichnete Deep-Learning-Ingenieure werden können.
Ein leichtes C++-KI-Toolkit: über 100 Modelle mit MNN, ORT und TRT, einschließlich Det, Seg, Stable-Diffusion, Face-Fusion.
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.
DAMO-YOLO: eine schnelle und genaue Objekterkennungsmethode mit einigen neuen Techniken, darunter NAS-Backbones, effizientes RepGFPN, ZeroHead, AlignedOTA und Destillationsverbesserung.
🔥🔥🔥 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🚀
Bilder zur Inferenz ohne Beschriftung (verwenden Sie Basismodelle, um beaufsichtigte Modelle zu trainieren).
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 ❗❗
Verwandeln Sie jeden Computer oder jedes Edge-Gerät in ein Kommandozentrum für Ihre Computer-Vision-Projekte.
🍅🍅🍅YOLOv5-Lite: Entwickelt aus yolov5 und die Größe des Modells beträgt nur 900+kb (int8) und 1,7M (fp16). Erreicht 15 FPS auf dem Raspberry Pi 4B~
YOLO5Face: Warum einen Gesichtserkenner neu erfinden (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)
yolov5 Kennzeichenerkennung Kennzeichenerkennung Chinesische Kennzeichenerkennung Erkennung Unterstützt 12 Arten von chinesischen Kennzeichen Unterstützt zweilagige Kennzeichen
🚀🚀🚀 Eine Sammlung einiger großartiger öffentlicher YOLO-Objekterkennungs-Serienprojekte und der zugehörigen Objekterkennungsdatensätze.
Implementierung von Textauswahl, Zeichenauswahl, Auswahl und Tipp-Captcha-Erkennung, trainiert mit PyTorch
PaddleSlim ist eine Open-Source-Bibliothek für die Komprimierung tiefer Modelle und die Architektursuche.
Yolov5 Deepsort-Inferenz, Verwendung von YOLOv5+Deepsort zur Fahrzeug- und Fußgängererkennung und -zählung, der Code ist als Detector-Klasse gekapselt, was die Einbettung in eigene Projekte erleichtert
🔥🔥🔥TensorRT für YOLO26 (Detektion/Pose/Segmentierung/Tiefe/rotierte Bounding-Boxen/Klassifizierung), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA IST ALLES, WAS DU BRAUCHST. 🍎🍎🍎
fire-smoke-detect-yolov4-yolov5 und fire-smoke-detection-dataset Branderkennung, Raucherkennung
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
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
Ein einfaches Demo von yolov5s, das auf rk3588/3588s mit c++ läuft (ca. 142 Bilder/s). / Ein einfaches Demo von yolov5s, das auf rk3588/3588s mit c++ läuft (ca. 142 Bilder/s).
Lesbarer und flexibler Yolov5 mit mehr Backbones (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer, etc.) und (cbam, dcn und so weiter) sowie TensorRT
basierend auf dem YOLO-High-Level-Projekt (erkennen\pose\klassifizieren\segmentieren\): einschließlich YOLOv5\YOLOv7\YOLOv8\Core, Verbesserungsforschung, SwinTransformerV2 und Attention Series. Schulungsfähigkeiten, Geschäftsanpassung, technische Bereitstellung C
🚀🚀🚀 YOLO-Serie von PaddlePaddle-Implementierungen, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet und so weiter. 🚀🚀🚀
Mono- / Stereo-Tiefenschätzung + YOLO-Objekterkennung mit Bereitstellung auf Jetson Nano / TX2 / GeForce mittels TensorRT
Einfache & modulare Computer Vision Detektoren, Tracker & SAM - Führen Sie YOLOv9,v8,v7,v6,v5,R,X in weniger als 10 Codezeilen aus.
Schnelle Echtzeit-Objekterkennung mit hochauflösendem Output https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX
Kennzeichenerkennung + -erkennung mit YOLOv5 und LPRNet (CCPD-Datensatz)
YOLO SHOW - YOLO GUI auf Pyside6-Basis für YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
YOLO Magic🪄 ist eine Erweiterung, die auf Ultralytics' YOLOv5 basiert und entwickelt wurde, um leistungsfähigere Funktionalitäten und einfachere Bedienung für visuelle Aufgaben zu bieten.
Häufig gestellte Fragen
Welches ist das beliebteste #yolov5-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#yolov5-Projekt auf GitHub ist ultralytics/yolov5 mit 58,290 Sternen. Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.
Welche Programmiersprachen werden in #yolov5-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #yolov5-Projekten auf GitHub sind Python, C++, Jupyter Notebook, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #yolov5-Repositories berechnet?
Wir verfolgen 41 aktive Open-Source-Repositories, die mit #yolov5 getaggt sind (500+ Sterne), mit insgesamt 152,009 Sternen und durchschnittlich 3,707 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.