#yolo Dépôts
88 dépôts au total
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.
Omega-AI est un framework d’apprentissage profond basé sur Java qui vous aide à construire rapidement des réseaux neuronaux pour l’inférence et l’entraînement. Son moteur prend en charge la différentiation automatique, le multithreading et l’accélération GPU avec CUDA et cuDNN.
NVR GB28181-2022 | ONVIF/RTMP/RTSP | ZLMediaKit | Détection YOLO locale | Déploiement privé
🚀🚀🚀Une collection de quelques projets publics impressionnants sur les grands modèles de langue (LLM), les modèles de vision et de langue (VLM), l'action vision-langage (VLA), le contenu généré par l'IA (AIGC), les ensembles de données et applications associés.
Un framework open-source de vision par ordinateur pour créer et déployer des applications en quelques minutes
[CVPR2026]🚀🚀🚀Code officiel pour l'article "YOLO-Master : MOE-Accelerated avec des Transformers spécialisés pour une détection en temps réel améliorée." *(YOLO = You Only Look Once)* 🔥🔥🔥
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】
yolort est une pile d'exécution pour yolov5 sur des accélérateurs spécialisés tels que tensorrt, libtorch, onnxruntime, tvm et ncnn.
GUI pour marquer les boîtes délimitées des objets dans les images pour l'entraînement du réseau neuronal YOLO
Logos Ultralytics partagés, médias, images d'exemple, poids de modèles pré-entraînés, artefacts de jeux de données et actifs de version.
Une feuille de route complète en ML (Machine Learning) Full Stack implique l'acquisition des compétences et des technologies nécessaires pour maîtriser tous les aspects du machine learning, y compris la collecte et le prétraitement des données, le développement de modèles, le déploiement et la maintenance.
Dataset Management Framework, une bibliothèque Python et un outil CLI pour construire, analyser et gérer des ensembles de données de vision par ordinateur.
Reconnaissance de CAPTCHA à curseur avec une ou plusieurs fentes, installation et utilisation via pip, avec possibilité de déployer l’API en local ou sur un serveur
Un environnement ouvert pour simuler et déployer des essaims de drones basés sur la perception avec PX4/ArduPilot/Betaflight, ROS2, YOLO et NVIDIA Jetson
🚀🚀🚀 Série YOLO d'implémentations PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet et ainsi de suite. 🚀🚀🚀
L'implémentation PyTorch officielle de « Mamba-YOLO : basée sur les SSM pour la détection d'objets »
Pipeline de détection d'objets YOLOv4/v3/v2 de bout en bout, implémenté sur tf.keras avec différentes technologies
Outil de génération de données d'entraînement ML basé sur la vision par ordinateur :rocket:
dddmr_navigation est la solution de navigation 3D pour robots mobiles incluant la cartographie, la localisation, la perception, la planification de trajectoire, le contrôleur et une pile de navigation.
Détection d'objets rapide en temps réel avec sortie haute résolution https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX
🚀 Une solution de détection d'objets en temps réel haute performance utilisant YOLO11 ⚡️ alimentée par ONNX-Runtime
Bibliothèque Python pour la détection de petits objets YOLO et la segmentation d'instances
RectLabel est un outil d'annotation d'images hors ligne pour la détection d'objets et la segmentation.
Application iOS Ultralytics YOLO et package Swift pour l'inférence Core ML en temps réel dans les principales tâches de vision par ordinateur.
YOLO SHOW - GUI YOLO basée sur Pyside6 pour YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
🧠 Recherche en ingénierie de contexte - Pas seulement une autre collection d'agents, mais utilisant la recherche et l'ingénierie de contexte pour fonctionner comme un collectif. Coordination en étoile (hub-and-spoke) via Claude Code.
👉 Ressources TensorFlow 2.x, telles que des tutoriels, des blogs, du code et des vidéos
Plugin Flutter officiel d’Ultralytics YOLO pour l’inférence en temps réel sur Android et iOS dans les principales tâches de vision.
YOLO Magic🪄 est une extension basée sur YOLOv5 d'Ultralytics, conçue pour offrir des fonctionnalités plus puissantes et des opérations plus simples pour les tâches visuelles.
Créez une visualisation du trafic de type jumeau numérique en utilisant uniquement des séquences de vidéosurveillance au format MP4 et leur emplacement sur Google Maps.