#yolo Repository
Scopri 88 repository GitHub open source attivi contrassegnati con #yolo, che raccolgono un totale di 433,903 stelle (con una media di 4,930 stelle per progetto). Il progetto leader di questo argomento è ultralytics/ultralytics, con 63,640 stelle.
88 repository in totale
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione di istanze, classificazione, addestramento ed esportazione.
Label Studio è uno strumento per l'etichettatura e l'annotazione di dati di tipo multiplo con formato di output standardizzato
CVAT è una piattaforma leader per l’annotazione dei dati relativi a dataset di immagini, video, audio e 3D. Offre prodotti open source, cloud ed enterprise, oltre a servizi di labeling, con labeling assistito dall’IA, garanzia della qualità, collaborazione in team, analisi e API per sviluppatori.
OpenVINO™ è un toolkit open source per l'ottimizzazione e il deployment dell'inferenza AI.
X-AnyLabeling: un’applicazione desktop multipiattaforma, leggera, efficiente e unificata per annotare testi, immagini, video, nuvole di punti e dati multimodali. Combina versatili strumenti integrati con modelli di IA all’avanguardia e offre flessibili opzioni di esportazione in più formati.
Implementazione PyTorch di YOLOv3, YOLOv3-SPP e YOLOv3-tiny per il rilevamento di oggetti in tempo reale con addestramento, validazione, inferenza ed esportazione in più formati.
YOLOX è un YOLO ad alte prestazioni senza ancoraggi, che supera yolov3~v5 con il supporto di MegEngine, ONNX, TensorRT, ncnn e OpenVINO. Documentazione: https://yolox.readthedocs.io/
Un toolkit completo per l'estrazione di contenuti PDF di alta qualità
BoxMOT: tracciamento multioggetto collegabile in Python e C++ per riquadri allineati agli assi e orientati, ora con distribuzione tramite Helm per il tracciamento continuo delle telecamere su Kubernetes.
Pacchetto Go per la visione artificiale utilizzando OpenCV 4 e successive. Include supporto per DNN, CUDA, OpenCV Contrib e OpenVINO.
Alcuni script sulla rilevazione di oggetti e codice con idee di miglioramento; dettagli nel readme.md.
YOLOv6: un framework di rilevamento di oggetti a singolo stadio dedicato alle applicazioni industriali.
Software NVR e Computer Vision AI self-hosted, solo locale. Con funzionalità come il rilevamento di oggetti, il rilevamento di movimento, il riconoscimento facciale e altro ancora, ti dà il potere di tenere d'occhio la tua casa, il tuo ufficio o qualsiasi altro luogo che desideri monitorare.
Etichettatura dati assistita dall'intelligenza artificiale senza sforzo grazie al supporto AI di YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) e MobileSAM!!
Ottimo progetto per neolaureati, autunnali, primaverili e stage! Ti guideremo passo dopo passo nell'implementazione di una libreria di inferenza deep learning ad alte prestazioni, supportando l'inferenza di modelli di grandi dimensioni come llama2, Unet, YoloV5, Resnet, ecc. Implementa passo dopo passo una libreria di inferenza deep learning ad alte prestazioni.
Toolbox e benchmark della serie YOLO di OpenMMLab. Implementati RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, ecc.
Un'implementazione PyTorch dell'algoritmo di rilevamento oggetti YOLO v3
DAMO-YOLO: un metodo di rilevamento di oggetti veloce e accurato con alcune nuove tecnologie, tra cui backbone NAS, efficiente RepGFPN, ZeroHead, AlignedOTA e miglioramento della distillazione.
Precisione media media - Questo codice valuta le prestazioni della tua rete neurale per il riconoscimento di oggetti.
🔥🔥🔥 Concentrato su modelli migliorati YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5, Supporto per il miglioramento di backbone, neck, head, loss, IoU, NMS e altri moduli🚀
🥂 Affronta con grazia la sfida di hCaptcha con un modello linguistico di grandi dimensioni multimodale.
Basato su YOLOv5 Head Person Helmet Detection nei cantieri, sistema di riconoscimento di caschi e zone vietate per la sicurezza nei cantieri, 🚀😆con tutorial super dettagliato sull'addestramento dei propri set di dati con YOLOv5 🚀😆Nuovo a marzo 2021: interfaccia utente visiva ❗❗
Tutorial Jupyter Notebook per risolvere problemi del mondo reale con Machine Learning & Deep Learning usando PyTorch. Argomenti: Rilevamento facciale con Detectron 2, Rilevamento anomalie nelle serie temporali con LSTM Autoencoders, Rilevamento oggetti con YOLO v5, Costruisci la tua prima Neural Network, Previsione serie temporali per i casi giornalieri di Coronavirus, Analisi del sentimento con BER
Tracciatore di oggetti multipli, basato sull'algoritmo ungherese + filtro di Kalman.
YOLO5Face: Perché reinventare un rilevatore di volti (https://arxiv.org/abs/2105.12931) Workshop ECCV 2022)
Implementazione di 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 per modelli YOLO
implementazione del paper - You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)
🚀🚀🚀 Una raccolta di alcuni fantastici progetti della serie YOLO per il rilevamento di oggetti pubblici e i relativi set di dati per il rilevamento di oggetti.
Addestramento all-in-one per modelli di visione (YOLO, ViTs, RT-DETR, DINOv3): pre-addestramento, fine-tuning, distillazione.
Implementazione di "YOLOv13: Rilevamento di oggetti in tempo reale con percezione visiva adattiva potenziata da ipergrafi".
Occhio Binoculare Universale per Giocatori con Disabilità (Allineatore Obiettivo IA Universale (AI Aimbot) - ONNX/YOLOv8 - C#)
un framework aperto per la navigazione dei non vedenti basato su ESP32
Libri / PDF / EPUB per diversi campi della programmazione. LEGGI CRESCI E GODITI 😊😊😊😊
Convertitore di dataset da JSON a YOLO legacy per annotazioni COCO, LabelMe, Labelbox, VoTT, INFOLKS e ATH. Sostituito da convert_coco() nel pacchetto Ultralytics.
:basketball::robot::basketball: App web e API AI per analizzare tiri di pallacanestro e pose di tiro.
TensorRT per la serie YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), supporto plugin NMS
Framework di visione artificiale e videoanalisi Python con batterie incluse
Domande frequenti
Qual è il repository #yolo più popolare su GitHub?
Il progetto open source #yolo più alto in classifica su GitHub è ultralytics/ultralytics, con 63,640 stelle. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Quali linguaggi di programmazione sono più utilizzati nei repository #yolo?
Tra i progetti #yolo più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Jupyter Notebook, TypeScript.
Come viene calcolata la classifica dei repository #yolo?
Monitoriamo 88 repository open source attivi contrassegnati con #yolo (500+ stelle), per un totale di 433,903 stelle e una media di 4,930 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.