#object-detection Dépôts
296 dépôts au total
[CVPR 2025] Implémentation officielle PyTorch de MambaVision : un backbone hybride Mamba-Transformer pour la vision
Une bibliothèque et un framework open source pour le deep learning sur l'imagerie satellitaire et aérienne.
Un framework de raisonnement, avec de nombreux démos utiles simultanément, si vous le trouvez utile, veuillez lui donner une étoile
Il s'agit du code source de yolo3-pytorch, qui peut être utilisé pour entraîner votre propre modèle.
Implémentation NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 pour les modèles YOLO
Sortie du code pour « Détection de vingt mille classes à l'aide d'une supervision au niveau de l'image ».
Apprenez la conduite autonome en la construisant : des simulations Python et un manuel libre dans lequel le système évolue étape par étape. Remplacez et comparez les algorithmes de localisation, de planification et de contrôle au sein d’un même système.
Un serveur de gestion de photos moderne et basé sur le web. Installez-le sur votre serveur domestique et vous pourrez trouver la photo adéquate de votre collection sur n’importe quel appareil. Un filtrage intelligent est rendu possible grâce à la reconnaissance d’objets, la reconnaissance faciale, la prise en compte de la localisation, l’analyse des couleurs et d’autres algorithmes de machine learning.
fastdup est un outil puissant et gratuit conçu pour générer rapidement des informations précieuses à partir d'ensembles de données d'images et de vidéos. Il aide à améliorer la qualité des images et des étiquettes, tout en réduisant considérablement les coûts d'exploitation des données, le tout avec une évolutivité inégalée.
Core ML model zoo pour iOS/macOS — Modèles PyTorch convertis en .mlpackage prêts à l'emploi, chacun avec un script de conversion et une application exemple en SwiftUI. Les dépôts associés couvrent le framework Core AI d'Apple (iOS/macOS 27) et les LLM sur appareil.
Ensemble de méthodes pour combiner les boîtes de différents modèles de détection d'objets, y compris l'implémentation de la méthode "Weighted boxes fusion (WBF)".
Bibliothèque d'inférence d'IA sur l'appareil pour React Native, haute performance et axée sur la confidentialité, propulsée par le runtime ExecuTorch de PyTorch
🚀🚀🚀 Une collection de projets fantastiques de séries YOLO pour la détection d'objets publics et les ensembles de données de détection d'objets associés.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
Implémentation de « YOLOv13 : Détection d'objets en temps réel avec perception visuelle adaptative améliorée par hypergraphe ».
Plateforme open-source d'annotation de données multimodales avec support d'auto-annotation IA.
Suivi et collecte de documents/projets/autres éléments liés à Segment Anything.
Détermination de la localisation d'objets détectables à basse altitude. Le SOTA en IA FOSS pour drones !
Mise en œuvre de la sélection de texte, de la sélection de caractères, de la sélection et de la reconnaissance de captcha par toucher, entraînée sur PyTorch
Ceci est un dépôt Pytorch de YOLOv4, attentive YOLOv4 et mobilenet YOLOv4 avec PASCAL VOC et COCO
[CVPR 2025] DEIM : DETR avec Correspondance Améliorée pour une Convergence Rapide
Une implémentation PyTorch d'EfficientDet fidèle à l'implémentation originale de Google avec des poids portés
Un framework sans code basé sur PyTorch pour mener des études d’apprentissage profond reproductibles. Écosystème PyTorch. 🏆 À ce jour, 28 méthodes de distillation des connaissances présentées à TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. ont été implémentées. 🎁 Des modèles entraînés, des journaux d’entraînement et des configurations sont disponibles pour garantir la reproductibilité et faciliter l’évaluation comparative.
Code officiel pour "FeatUp : Un cadre agnostique au modèle pour les caractéristiques à n'importe quelle résolution" ICLR 2024
Un tutoriel montrant comment entraîner, convertir et exécuter des modèles de détection d'objets TensorFlow Lite sur des appareils Android, Raspberry Pi, et plus encore !
Extensions PyTorch pour le prototypage rapide R&D et le farming Kaggle
"Retinexformer: Transformateur basé sur Retinex en une étape pour l'amélioration des images en faible luminosité" (ICCV 2023 Top-10 Cité 🏆) & (NTIRE 2024 Finaliste 🏆) & (NTIRE 2025 Gagnant 🏆) & (NTIRE 2026 Gagnant 🏆)
Inférence Yolov5 deepsort, utilisation de YOLOv5+Deepsort pour le suivi et le comptage de véhicules et de piétons, le code est encapsulé dans une classe Detector, plus facile à intégrer dans vos propres projets
Détection d'objets de bout en bout en temps réel et précise à vocabulaire ouvert
Collectez les derniers résultats de la CVPR (Conference on Computer Vision and Pattern Recognition), y compris les articles, le code et les vidéos de démonstration, etc., et nous vous invitons à recommander !