#object-detection Dépôts
296 dépôts au total
Nœuds d'inférence d'apprentissage profond pour ROS / ROS2 avec prise en charge de NVIDIA Jetson et TensorRT
Apprendre la vision par ordinateur manuellement - Version Pytorch
🔥🔥🔥Boîte à outils d'algorithmes d'IA gratuite et hors ligne pour Java, prenant en charge la reconnaissance faciale, la détection de vivacité, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, la reconnaissance de texte OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique et d'autres fonctions, utilisable par référence Maven. Prend en charge PyTorch, Tensorflow et a intégré des modèles courants tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Mise à l’échelle de vos noyaux à 31x31 : Révision de la conception de grands noyaux dans les CNN (CVPR 2022)
Vision par ordinateur moderne avec PyTorch, publié par Packt
[ICLR 2024] Implémentation PyTorch officielle de FasterViT : Vision Transformers rapides avec attention hiérarchique
:zap: Basé sur l'algorithme universel de détection de cibles basse consommation et ultra-léger de Yolo, le paramètre n'est que de 250k, et la vitesse du terminal mobile de smartphone peut atteindre ~300fps+.
Une liste organisée de publications sur la segmentation sémantique à vocabulaire ouvert et les domaines connexes (par exemple, la segmentation sémantique zero-shot) ressources..
À propos Ce dépôt est une collection organisée des articles les plus passionnants et influents de la CVPR 2025. 🔥 [Paper + Code + Demo]
You Only Watch Once : Une architecture CNN unifiée pour la localisation d'actions spatiotemporelles en temps réel
Framework Python pour la vision par ordinateur et l'analyse vidéo avec batteries incluses
Un Framework Agnostique de Vision par Ordinateur – Connectable à toute bibliothèque d'entraînement : Fastai, Pytorch-Lightning et plus à venir
⚡ Un algorithme de détection de cible sans ancrage ultra-léger nouvellement conçu, d'un poids de seulement 250 000 paramètres, réduit le temps de traitement de 10 % par rapport à yolo-fastest, et le post-traitement est plus simple.
YoloDotNet - Un projet C# .NET 8.0 pour la classification, la détection d'objets, la détection OBB, la segmentation et l'estimation de pose dans les images et les flux vidéo en direct.
Ce dépôt contient un projet complet de vision par ordinateur/apprentissage automatique sur le football qui utilise YOLO pour la détection d'objets, Kmeans pour la segmentation des pixels, le flux optique pour le suivi du mouvement et la transformation de perspective pour analyser les mouvements des joueurs dans les vidéos de football.
Le programme d'entraînement pour libfacedetection pour la détection de visage et la détection de 5 points de repère.
Implémentation officielle de l'algorithme du papier ICML'23 "VIMA : Manipulation Robotique Générale avec des Invites Multimodales"
Ceci est l'implémentation tierce du papier Grounding DINO : Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.
LLVIP: Un ensemble de données appariées visible-infrarouge pour la vision en faible luminosité
Un framework open-source de vision par ordinateur pour créer et déployer des applications en quelques minutes
CnSTD: Un package Python3 pour la détection de texte dans les scènes (Scene Text Detection), la détection de formules mathématiques (Mathematical Formula Detection, MFD) et l'analyse de la mise en page (Layout Analysis) basé sur PyTorch/MXNet pour le chinois/anglais
Une bibliothèque open source pour interagir avec et traiter les données radar, spécialisée pour les radars MIMO mmWave
Port MXNet de SSD : Single Shot MultiBox Object Detector. Réimplémentation de https://github.com/weiliu89/caffe/tree/ssd
Ce projet analyse des joueurs de tennis dans une vidéo pour mesurer leur vitesse, la vitesse des tirs et le nombre de tirs. Ce projet détectera les joueurs et la balle de tennis à l'aide de YOLO et utilisera également des CNN pour extraire les points clés du court. Ce projet pratique est parfait pour perfectionner vos compétences en apprentissage automatique et en vision par ordinateur.
Apprendre OpenCV 4 Computer Vision avec Python 3 – Troisième Édition, publié par Packt
[Dépôt Officiel] Visual Mamba : Un état de l'art et de nouvelles perspectives
[ICCV 2023] Implémentation officielle du papier "A Simple Framework for Open-Vocabulary Segmentation and Detection"
[NeurIPS 2024 spotlight] Implémentation officielle de MSFA et publication du jeu de données SARDet_100K pour la détection d'objets radar à ouverture synthétique (SAR) à grande échelle
YOLOv11-RGBT : Vers un cadre complet de détection d'objets multispectraux à une seule étape (Prend en charge la détection RGBT pour toutes les séries YOLO de YOLOv3 à YOLOv13, ainsi que RTDETR. 【Ultralytics YOLOv3-YOLOv13】
Ce dépôt est une collection organisée des articles les plus passionnants et influents de la CVPR 2024. 🔥 [Paper + Code + Demo]
Régression de boîtes englobantes avec incertitude pour une détection précise d'objets (CVPR'19)
BiomedParse : Un modèle de base pour la segmentation, la détection et la reconnaissance conjointes d'objets biomédicaux à travers neuf modalités
Bibliothèque de perception hiérarchique en Python pour l'estimation de pose, la détection d'objets, la segmentation d'instances, l'estimation de points clés, la reconnaissance faciale, etc.
GUI pour marquer les boîtes délimitées des objets dans les images pour l'entraînement du réseau neuronal YOLO
(IJCV2024 & ICCV2023) LSKNet : une colonne vertébrale légère fondamentale pour la télédétection
Une petite bibliothèque de vision par ordinateur, sans dépendances et en C, pour les systèmes embarqués, les drones et la robotique.