#object-detection Repositorios
296 repositorios en total
Artículos, código y conjuntos de datos sobre aprendizaje profundo para la detección de objetos 3D.
Una demostración simple de yolov5s funcionando en rk3588/3588s usando c++ (aproximadamente 142 fotogramas/s). / Una demostración simple de yolov5s funcionando en rk3588/3588s usando c++ (aproximadamente 142 fotogramas/s).
Yolov5 más legible y flexible con más backbones (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer, etc.) y (cbam, dcn y similares), y tensorrt
¡Entrena un detector de objetos yolov3 de última generación desde cero!
basado en el proyecto de alto nivel yolo (detectar\poseer\clasificar\segmentar\): incluye YOLOv5\YOLOv7\YOLOv8\ Core, investigación de mejora, SwinTransformerV2 y Attention Series. habilidades de entrenamiento, personalización de negocios, despliegue de ingeniería C
🚀🚀🚀 Serie YOLO de implementaciones de PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet y así sucesivamente. 🚀🚀🚀
Implementación oficial en PyTorch de “Mamba-YOLO: Detección de objetos basada en SSM”
El conjunto de datos Exclusively Dark (ExDARK), que, según nuestro conocimiento, es la mayor colección de imágenes con baja luminosidad tomadas en entornos de muy poca luz hasta el crepúsculo (es decir, 10 condiciones diferentes) hasta la fecha, con anotaciones a nivel de clase de imagen y de objeto.
Seguimiento de objetos YOLOv7 usando PyTorch, OpenCV y Sort Tracking
Este repositorio es una colección curada de los artículos más emocionantes e influyentes de CVPR 2023. 🔥 [Paper + Code]
YOLOPv2: Mejor, Más Rápido, Más Fuerte para la Percepción Panóptica de la Conducción
Pipeline de detección de objetos YOLOv4/v3/v2 de extremo a extremo, implementado en tf.keras con diferentes tecnologías
Estimación de profundidad mono / estéreo + detección de objetos YOLO con despliegue en Jetson Nano / TX2 / GeForce mediante TensorRT
Detección de objetos por radar 4D para conducción autónoma en diversas condiciones meteorológicas
Construye modelos de visión por computadora completamente funcionales con PyTorch
Tensorflow Faster R-CNN para Windows/Linux y Python 3 (3.5/3.6/3.7)
Framework de reconocimiento de instancias de video de próxima generación sobre Detectron2 que admite InstMove (CVPR 2023), SeqFormer (ECCV Oral) e IDOL (ECCV Oral).
Detectores, Rastreadores y SAM de Visión por Computadora Fáciles y Modulares - Ejecuta YOLOv9,v8,v7,v6,v5,R,X en menos de 10 líneas de código.
Herramienta de generación de datos de entrenamiento de ML basada en visión por computadora :rocket:
Framework que permite el ajuste fino de modelos de anclaje de visión y lenguaje en conjuntos de datos personalizados
[CVPR 2024] Aligning and Prompting Everything All at Once for Universal Visual Perception
OBBDetection es una biblioteca de detección de objetos orientados, basada en MMdetection.
Convertir el modelo MMDetection a TensorRT, compatible con fp16, int8, entrada por lotes, forma dinámica, etc.
Aumento de imágenes para visión por computadora. Licencia exclusivamente AGPL-3.0 o licencia comercial.
Nodos de ComfyUI para modelos de visión-lenguaje: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Además de detección de vocabulario abierto, segmentación SAM2/SAM3, razonamiento temporal de video, GGUF a través de llama.cpp y APIs de LLM/VLM alojadas.
Detección + reconocimiento de matrículas utilizando YOLOv5 y LPRNet (conjunto de datos CCPD)
[NeurIPS 2020] Este proyecto proporciona una sólida línea de base de una sola etapa para la clasificación, detección y segmentación de instancias de cola larga (LVIS). También es una implementación en PyTorch del artículo de NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
🚀 Una solución de detección de objetos en tiempo real de alto rendimiento utilizando YOLO11 ⚡️ impulsada por ONNX-Runtime
[ICLR 2025 Spotlight] Vision-RWKV: Percepción visual eficiente y escalable con arquitecturas similares a RWKV
RectLabel es una herramienta de anotación de imágenes offline para detección de objetos y segmentación.
Código y pautas de implementación para el artículo ✨Counting Anything. Página del proyecto: https://mengqi-lei.github.io/count-anything-projectpage/
Biblioteca gratuita y de código abierto para detección de objetos y segmentación semántica con IA en rásteres geoespaciales. 🚀
Aplicación iOS de Ultralytics YOLO y paquete Swift para inferencia de Core ML en tiempo real en las principales tareas de visión por computadora.
Plugin oficial de Ultralytics YOLO para Flutter, destinado a la inferencia en tiempo real en Android e iOS para las principales tareas de visión.
Detección de objetos en múltiples conjuntos de datos con un espacio de etiquetas unificado aprendido automáticamente.
Crea una visualización del tráfico al estilo de un gemelo digital utilizando únicamente grabaciones de CCTV en MP4 y su ubicación en Google Maps.
"Learning Delicate Local Representations for Multi-Person Pose Estimation" (ECCV 2020 Spotlight) & (Ganador del Desafío de Detección de Puntos Clave Humanos COCO 2019) & (Premio al Mejor Artículo COCO 2019)