#yolov5 Repositorios
Descubre 41 repositorios activos de código abierto de GitHub etiquetados con #yolov5, que acumulan 152,009 estrellas en total (una media de 3,707 estrellas por proyecto). El líder de este tema es ultralytics/yolov5, con 58,290 estrellas.
41 repositorios en total
Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
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.
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.
Implementación de redes de aprendizaje profundo populares con la API de definición de red TensorRT
Ya sea que sea un principiante absoluto, una aplicación de proyecto en CV, NLP, LLM, o una implementación y despliegue de ingeniería avanzada, aquí lo encontrará todo en "Guía práctica de PyTorch" (2ª edición). Creemos que con la ayuda de este libro, los lectores podrán dominar fácilmente el uso de PyTorch y convertirse en excelentes ingenieros de aprendizaje profundo.
Un kit de herramientas de IA ligero en C++: más de 100 modelos con MNN, ORT y TRT, incluyendo Det, Seg, Stable-Diffusion, Face-Fusion.
¡Buen proyecto para el reclutamiento universitario, otoño, primavera y prácticas! Te guiaremos paso a paso para implementar una biblioteca de inferencia de aprendizaje profundo de alto rendimiento, que admita la inferencia de modelos grandes como llama2, Unet, YoloV5, Resnet, etc. Implemente una biblioteca de inferencia de aprendizaje profundo de alto rendimiento paso a paso.
Caja de herramientas y benchmark de la serie YOLO de OpenMMLab. Implementados RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, etc.
DAMO-YOLO: un método de detección de objetos rápido y preciso con algunas nuevas tecnologías, que incluyen backbones NAS, RepGFPN eficiente, ZeroHead, AlignedOTA y mejora por destilación.
🔥🔥🔥 Enfocado en modelos mejorados YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5, Soporte para mejorar el backbone, neck, head, loss, IoU, NMS y otros módulos🚀
Imágenes para inferencia sin etiquetado (utilice modelos fundacionales para entrenar modelos supervisados).
Basado en la detección de cascos de persona YOLOv5 en sitios de construcción, sistema de reconocimiento de cascos y zonas de acceso restringido para la seguridad en la construcción, 🚀😆con un tutorial súper detallado de YOLOv5 para entrenar tus propios conjuntos de datos 🚀😆¡Nuevo en marzo de 2021: interfaz de usuario visual ❗❗
Convierte cualquier ordenador o dispositivo perimetral en un centro de mando para tus proyectos de visión por computadora.
🍅🍅🍅YOLOv5-Lite: Evolucionado de yolov5 y el tamaño del modelo es de solo 900+ kb (int8) y 1,7 M (fp16). Alcanza 15 FPS en Raspberry Pi 4B~
YOLO5Face: Por qué reinventar un detector de rostros (https://arxiv.org/abs/2105.12931) Talleres ECCV 2022)
yolov5 detección de matrícula reconocimiento de matrícula reconocimiento de matrícula chino reconocimiento detección soporta 12 tipos de matrículas chinas soporta matrículas de doble capa
🚀🚀🚀 Una colección de algunos fantásticos proyectos de series públicas de detección de objetos YOLO y los conjuntos de datos de detección de objetos relacionados.
Implementación de selección de texto, selección de caracteres, selección y reconocimiento de CAPTCHAs táctiles, entrenado con PyTorch
PaddleSlim es una biblioteca de código abierto para la compresión de modelos profundos y la búsqueda de arquitecturas.
Inferencia Yolov5 deepsort, usando YOLOv5+Deepsort para rastrear y contar vehículos y peatones, el código está encapsulado en una clase Detector, más fácil de integrar en sus propios proyectos
🔥🔥🔥TensorRT para YOLO26 (detección/pose/segmentación/profundidad/cajas orientadas/clasificación), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA ES TODO LO QUE NECESITAS. 🍎🍎🍎
fire-smoke-detect-yolov4-yolov5 y fire-smoke-detection-dataset detección de incendios, detección de humo
TensorRT8 soporta Yolov5n,s,m,l,x .darknet -> tensorrt. Yolov4 Yolov3 usan archivos raw darknet *.weights y *.cfg. Si el wrapper te es útil, por favor, ponle una estrella.
TensorRT para la serie YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), soporte de plugin nms
yolort es una pila de tiempo de ejecución para yolov5 en aceleradores especializados como tensorrt, libtorch, onnxruntime, tvm y ncnn.
GUI para marcar cajas delimitadoras de objetos en imágenes para entrenar la red neuronal YOLO
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
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. 🚀🚀🚀
Estimación de profundidad mono / estéreo + detección de objetos YOLO con despliegue en Jetson Nano / TX2 / GeForce mediante TensorRT
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.
Detección de objetos rápida en tiempo real con salida de alta resolución https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX
Detección + reconocimiento de matrículas utilizando YOLOv5 y LPRNet (conjunto de datos CCPD)
YOLO SHOW - GUI de YOLO basada en Pyside6 para YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
YOLO Magic🪄 es una extensión basada en YOLOv5 de Ultralytics, diseñada para proporcionar funcionalidades más potentes y operaciones más sencillas para tareas visuales.
Preguntas frecuentes
¿Cuál es el repositorio de #yolov5 más popular en GitHub?
El proyecto de código abierto de #yolov5 mejor posicionado en GitHub es ultralytics/yolov5, con 58,290 estrellas. Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
¿Qué lenguajes de programación se utilizan más en los repositorios de #yolov5?
Entre los proyectos de #yolov5 mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Jupyter Notebook, C.
¿Cómo se calcula la clasificación de los repositorios de #yolov5?
Seguimos 41 repositorios activos de código abierto etiquetados con #yolov5 (500+ estrellas), que suman un total de 152,009 estrellas, con una media de 3,707 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.