#yolov8 Repository
Scopri 45 repository GitHub open source attivi contrassegnati con #yolov8, che raccolgono un totale di 142,973 stelle (con una media di 3,177 stelle per progetto). Il progetto leader di questo argomento è ultralytics/ultralytics, con 63,640 stelle.
45 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
Una raccolta di tutorial sui modelli e le tecniche di visione artificiale all'avanguardia. Esplora tutto, dalle architetture fondamentali come ResNet ai modelli all'avanguardia come RF-DETR, YOLO11, SAM 3 e Qwen3-VL.
Implementazione di reti di deep learning popolari con l'API di definizione della rete TensorRT
Un toolkit AI leggero in C++: oltre 100 modelli con MNN, ORT e TRT, inclusi Det, Seg, Stable-Diffusion, Face-Fusion.
Etichettatura dati assistita dall'intelligenza artificiale senza sforzo grazie al supporto AI di YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) e MobileSAM!!
Toolbox e benchmark della serie YOLO di OpenMMLab. Implementati RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, ecc.
🔥🔥🔥 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🚀
Immagini per inferenza senza etichettatura (utilizzare modelli di base per addestrare modelli supervisionati).
Trasforma qualsiasi computer o dispositivo edge in un centro di comando per i tuoi progetti di computer vision.
Libreria di inferenza leggera per file ONNX, scritta in C++. Può eseguire Stable Diffusion XL 1.0 su un RPI Zero 2 (o con 298 MB di RAM), ma anche Mistral 7B su desktop e server. Supporto per ARM, x86, WASM, RISC-V. Accelerato da XNNPACK. Binding Python, C# e JS (WASM) disponibili.
🚀🚀🚀 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.
Determinazione della posizione per oggetti rilevabili a bassa quota. Lo SOTA in FOSS AI per droni!
Occhio Binoculare Universale per Giocatori con Disabilità (Allineatore Obiettivo IA Universale (AI Aimbot) - ONNX/YOLOv8 - C#)
TensorRT per la serie YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), supporto plugin NMS
🔥🔥🔥Cassetta degli attrezzi di algoritmi IA gratuiti offline per Java, che supporta il riconoscimento facciale, il rilevamento di vitalità, il riconoscimento delle espressioni, il rilevamento di oggetti, la segmentazione di istanze, il rilevamento di pedoni, il riconoscimento di testo OCR, il riconoscimento targhe, il riconoscimento di tabelle, ASR+TTS, la traduzione automatica e altre funzioni. Utilizzabile tramite riferimento Maven. Supporta PyTorch, Tensorflow e ha integrato modelli mainstream come Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, ecc.
Framework di visione artificiale e videoanalisi Python con batterie incluse
YoloDotNet - Un progetto C# .NET 8.0 per classificazione, rilevamento di oggetti, rilevamento OBB, segmentazione e stima della posa sia in immagini che in flussi video live.
GUI per segnare riquadri delimitanti degli oggetti nelle immagini per l'addestramento della rete neurale YOLO
Riconoscimento di CAPTCHA a cursore con una o più lacune, installazione e utilizzo tramite pip, con possibilità di distribuire l’API localmente o su un server
basato sul progetto di alto livello YOLO (detect\pose\classify\segment\): include YOLOv5\YOLOv7\YOLOv8\ Core, ricerca di miglioramento, SwinTransformerV2 e Attention Series. abilità di formazione, personalizzazione aziendale, distribuzione ingegneristica C
🚀🚀🚀 Serie YOLO di implementazioni PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet e così via. 🚀🚀🚀
YOLOv7 Object Tracking utilizzando PyTorch, OpenCV e Sort Tracking
Affina e migliora la qualità dei volti piccoli nei video MiniMax H3. Traccia i volti fotogramma per fotogramma, ritagliali, migliorali con H3 e reinseriscili nel video.
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.
🚀 Una soluzione di rilevamento di oggetti in tempo reale ad alte prestazioni utilizzando YOLO11 ⚡️ basata su ONNX-Runtime
Un'implementazione di acceleratore di rete neurale convoluzionale su FPGA, xilinx (xczu7ev-ffvc1156-2-i), l'inferenza di yolov8 richiese 60 ms.
Libreria Python per il rilevamento di piccoli oggetti YOLO e la segmentazione delle istanze
Una toolbox per il deployment di modelli di deep learning utilizzando C++ YoloX | YoloV7 | YoloV8 | Gan | OCR | MobileVit | Scrfd | MobileSAM | StableDiffusion
YOLO SHOW - GUI YOLO basata su Pyside6 per YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
Rilevamento targhe YOLOv8, riconoscimento targhe, riconoscimento targhe cinesi, supporta 12 tipi di targhe cinesi, supporta targhe a doppio strato
Domande frequenti
Qual è il repository #yolov8 più popolare su GitHub?
Il progetto open source #yolov8 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 #yolov8?
Tra i progetti #yolov8 più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, C#, Jupyter Notebook.
Come viene calcolata la classifica dei repository #yolov8?
Monitoriamo 45 repository open source attivi contrassegnati con #yolov8 (500+ stelle), per un totale di 142,973 stelle e una media di 3,177 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.