#object-detection Repositorios
Descubre 296 repositorios activos de código abierto de GitHub etiquetados con #object-detection, que acumulan 1,201,862 estrellas en total (una media de 4,060 estrellas por proyecto). El líder de este tema es ultralytics/ultralytics, con 63,640 estrellas.
296 repositorios en total
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmentación semántica, clasificación de imágenes, estimación de pose y seguimiento de objetos
Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
LocalAI es el motor de IA de código abierto. Ejecuta cualquier modelo: LLMs, visión, voz, imagen, vídeo, en cualquier hardware. No se requiere GPU.
Detectron2 es una plataforma para detección de objetos, segmentación y otras tareas de reconocimiento visual.
Aprendizaje profundo para el procesamiento de imágenes, incluyendo clasificación y detección de objetos, etc.
Una simple herramienta de análisis de pantalla hacia un agente de GUI basado puramente en la visión
Mask R-CNN para detección de objetos y segmentación de instancias en Keras y TensorFlow
Colección de artículos y proyectos de código abierto de CVPR 2026
Una lista seleccionada de impresionantes recursos de visión artificial
CVAT es una plataforma líder de anotación de datos para conjuntos de datos de imágenes, vídeo, audio y 3D. Ofrece productos de código abierto, en la nube y empresariales, además de servicios de etiquetado, con etiquetado asistido por IA, garantía de calidad, colaboración en equipo, análisis y API para desarrolladores.
Esta es una implementación oficial para "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".
Kit de herramientas de detección de objetos basado en PaddlePaddle. Soporta detección de objetos, segmentación de instancias, seguimiento de múltiples objetos y detección de puntos clave de múltiples personas en tiempo real.
Explicabilidad avanzada de IA para visión por computadora. Soporte para CNN, Vision Transformers, Clasificación, Detección de objetos, Segmentación, Similitud de imágenes y más.
cvpr2024/cvpr2023/cvpr2022/cvpr2021/cvpr2020/cvpr2019/cvpr2018/cvpr2017 Papers/Código/Interpretaciones/Transmisiones en vivo Colección, Organizado por el Equipo Jimu
El repositorio proporciona código para ejecutar inferencia y ajuste fino con el Meta Segment Anything Model 3 (SAM 3), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.
Una lista de artículos sobre detección de objetos usando aprendizaje profundo.
X-AnyLabeling: Una aplicación de escritorio multiplataforma, ligera, eficiente y unificada para anotar texto, imágenes, vídeos, nubes de puntos y datos multimodales. Combina herramientas integradas versátiles con modelos de IA de última generación y opciones flexibles de exportación en múltiples formatos.
Implementación en PyTorch de YOLOv3, YOLOv3-SPP y YOLOv3-tiny para detección de objetos en tiempo real con entrenamiento, validación, inferencia y exportación en múltiples formatos.
YOLOX es un YOLO de alto rendimiento sin anclas, que supera a yolov3~v5 con el soporte de MegEngine, ONNX, TensorRT, ncnn y OpenVINO. Documentación: https://yolox.readthedocs.io/
Técnicas para el aprendizaje profundo con imágenes satelitales y aéreas
RF-DETR es una arquitectura de modelo de detección y segmentación de objetos en tiempo real desarrollada por Roboflow, SOTA en COCO, diseñada para el ajuste fino (fine-tuning). [ICLR 2026]
Mejores prácticas, muestras de código y documentación para Computer Vision.
Una colección de tutoriales sobre modelos y técnicas de visión por computadora de vanguardia. Explore todo, desde arquitecturas fundamentales como ResNet hasta modelos de última generación como RF-DETR, YOLO11, SAM 3 y Qwen3-VL.
[ECCV 2024] Implementación oficial del artículo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Guía Hello AI World para implementar redes de inferencia de aprendizaje profundo y primitivas de visión profunda con TensorRT y NVIDIA Jetson.
Una biblioteca de Python construida para empoderar a los desarrolladores a construir aplicaciones y sistemas con capacidades de Computer Vision autocontenidas
Experimenta, aprende y codifica las últimas innovaciones disruptivas con Microsoft AI
Algunos scripts sobre detección de objetos y código con ideas de mejora; revise readme.md para más detalles.
La plataforma de próxima generación de OpenMMLab para la detección general de objetos 3D.
NanoDet-Plus⚡Modelo de detección de objetos ultrarrápido y ligero sin anclajes. 🔥¡Solo 980 KB (int8) / 1.8 MB (fp16) y funciona a 97 FPS en el móvil!🔥
YOLOv6: un framework de detección de objetos de una sola etapa dedicado a aplicaciones industriales.
Un toolkit unificado para el análisis de imágenes de documentos basado en aprendizaje profundo
Inferencia cortada/en mosaico independiente del framework + interfaz de usuario interactiva + gráficos de análisis de errores
Preguntas frecuentes
¿Cuál es el repositorio de #object-detection más popular en GitHub?
El proyecto de código abierto de #object-detection mejor posicionado en GitHub es ultralytics/ultralytics, con 63,640 estrellas. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmentación semántica, clasificación de imágenes, estimación de pose y seguimiento de objetos
¿Qué lenguajes de programación se utilizan más en los repositorios de #object-detection?
Entre los proyectos de #object-detection mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, TypeScript, Go.
¿Cómo se calcula la clasificación de los repositorios de #object-detection?
Seguimos 296 repositorios activos de código abierto etiquetados con #object-detection (500+ estrellas), que suman un total de 1,201,862 estrellas, con una media de 4,060 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.