#object-detection Repository
296 repository in totale
Articoli, codice e set di dati sull'apprendimento profondo per il rilevamento di oggetti 3D.
Una semplice demo di yolov5s in esecuzione su rk3588/3588s tramite c++ (circa 142 frame/s). / Una semplice demo di yolov5s in esecuzione su rk3588/3588s tramite c++ (circa 142 frame/s).
Yolov5 piรน leggibile e flessibile con piรน backbone (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer, ecc.) e (cbam, dcn e cosรฌ via), e tensorrt
basato sul progetto di alto livello YOLO (detect\pose\classify\segment\): include YOLOv5\YOLOv7\YOLOv8\ Core, ricerca di miglioramento, SwinTransformerV2 e Attention Series. abilitร di formazione, personalizzazione aziendale, distribuzione ingegneristica C
๐๐๐ Serie YOLO di implementazioni PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet e cosรฌ via. ๐๐๐
L'implementazione ufficiale PyTorch di โMamba-YOLO: basato su SSM per il rilevamento di oggettiโ
Il dataset Exclusively Dark (ExDARK), che, a nostra conoscenza, รจ la piรน grande raccolta di immagini a bassa luminositร scattate in ambienti con luce molto ridotta fino al crepuscolo (cioรจ, 10 diverse condizioni) fino ad oggi, con annotazioni a livello di classe dellโimmagine e di oggetti.
YOLOv7 Object Tracking utilizzando PyTorch, OpenCV e Sort Tracking
Questo repository รจ una raccolta curata degli articoli piรน entusiasmanti e influenti di CVPR 2023. ๐ฅ [Paper + Code]
YOLOPv2: Migliore, Piรน Veloce, Piรน Forte per la Percezione Panottica della Guida
Pipeline di rilevamento oggetti YOLOv4/v3/v2 end-to-end, implementata su tf.keras con diverse tecnologie
Stima della profonditร mono / stereo + rilevamento oggetti YOLO con distribuzione su Jetson Nano / TX2 / GeForce tramite TensorRT
Rilevamento di oggetti tramite radar 4D per la guida autonoma in varie condizioni meteorologiche
Tensorflow Faster R-CNN per Windows/Linux e Python 3 (3.5/3.6/3.7)
Framework di riconoscimento di istanze video di nuova generazione basato su Detectron2 che supporta InstMove (CVPR 2023), SeqFormer (ECCV Oral) e IDOL (ECCV Oral).
Rilevatori, Tracker e SAM di computer vision facili e modulari - Esegui YOLOv9,v8,v7,v6,v5,R,X in meno di 10 righe di codice.
Strumento di generazione dati di addestramento ML basato su computer vision :rocket:
Framework che consente il fine-tuning di modelli di grounding visione-linguaggio su set di dati personalizzati
[CVPR 2024] Aligning and Prompting Everything All at Once for Universal Visual Perception
OBBDetection รจ una libreria per il rilevamento di oggetti orientati, basata su MMdetection.
Converti il modello MMDetection in TensorRT, supporta fp16, int8, input batch, forma dinamica ecc.
Aumento delle immagini per la visione artificiale. Licenza esclusivamente AGPL-3.0 o licenza commerciale.
Nodi ComfyUI per modelli vision-language: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Include inoltre rilevamento a vocabolario aperto, segmentazione SAM2/SAM3, ragionamento temporale video, GGUF tramite llama.cpp e API LLM/VLM ospitate.
Rilevamento + riconoscimento di targhe automobilistiche utilizzando YOLOv5 e LPRNet (dataset CCPD)
[NeurIPS 2020] Questo progetto fornisce una solida baseline a stadio singolo per la classificazione, il rilevamento e la segmentazione dell'istanza a coda lunga (LVIS). ร anche un'implementazione PyTorch dell'articolo NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
๐ Una soluzione di rilevamento di oggetti in tempo reale ad alte prestazioni utilizzando YOLO11 โก๏ธ basata su ONNX-Runtime
[ICLR 2025 Spotlight] Vision-RWKV: Percezione visiva efficiente e scalabile con architetture simili a RWKV
RectLabel รจ uno strumento di annotazione offline per immagini per il rilevamento di oggetti e la segmentazione.
Codice e linee guida per l'implementazione dell'articolo โจCounting Anything. Pagina del progetto: https://mengqi-lei.github.io/count-anything-projectpage/
Libreria gratuita e open source per il rilevamento di oggetti e la segmentazione semantica basati su IA in raster geospaziali. ๐
App iOS Ultralytics YOLO e pacchetto Swift per l'inferenza Core ML in tempo reale nelle principali attivitร di visione artificiale.
Plugin Flutter ufficiale di Ultralytics YOLO per lโinferenza in tempo reale su Android e iOS nelle principali attivitร di visione artificiale.
Rilevamento di oggetti su piรน set di dati con uno spazio di etichette unificato appreso automaticamente.
Crea una visualizzazione del traffico in stile gemello digitale utilizzando esclusivamente filmati CCTV in formato MP4 e la relativa posizione su Google Maps.
"Learning Delicate Local Representations for Multi-Person Pose Estimation" (ECCV 2020 Spotlight) & (Vincitore della COCO 2019 Human Keypoint Detection Challenge) & (COCO 2019 Best Paper Award)