#object-detection 저장소
저장소 총 296개
YOLO 모델을 위한 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 구현
직접 만들어 보며 자율주행을 배우세요. Python 시뮬레이션과 오픈 교재를 통해 시스템을 한 단계씩 발전시킬 수 있습니다. 동일한 시스템에서 위치 추정, 계획, 제어 알고리즘을 바꿔 가며 비교해 보세요.
현대적이고 웹 기반의 사진 관리 서버입니다. 가정용 서버에서 실행하면 언제든지 어떤 기기에서도 컬렉션에 있는 적절한 사진을 찾을 수 있습니다. 객체 인식, 얼굴 인식, 위치 인식, 색상 분석 및 기타 머신러닝 알고리즘 덕분에 스마트 필터링이 가능합니다.
fastdup는 이미지 및 비디오 데이터 세트에서 귀중한 통찰력을 신속하게 생성하도록 설계된 강력하고 무료인 도구입니다. 이는 이미지와 레이블의 품질을 모두 향상시키는 동시에 데이터 운영 비용을 크게 절감하며, 탁월한 확장성을 제공합니다.
iOS/macOS용 Core ML 모델 저장소 — PyTorch 모델을 즉시 사용 가능한 .mlpackage로 변환했으며, 각 모델에는 변환 스크립트와 SwiftUI 샘플 앱이 포함되어 있습니다. 관련 저장소에서는 Apple의 Core AI 프레임워크(iOS/macOS 27) 및 온디바이스 LLM을 다룹니다.
다양한 객체 탐지 모델의 박스를 앙상블하기 위한 메서드 세트로, "Weighted boxes fusion (WBF)" 메서드 구현을 포함합니다.
PyTorch의 ExecuTorch 런타임으로 구동되는, React Native를 위한 고성능 프라이버시 우선 온디바이스 AI 추론 라이브러리
🚀🚀🚀 일부 훌륭한 공개 YOLO 객체 감지 시리즈 프로젝트와 관련 객체 감지 데이터 세트 모음입니다.
PASCAL VOC 및 COCO와 함께 YOLOv4, attentive YOLOv4 및 mobilenet YOLOv4의 Pytorch 저장소입니다.
재현 가능한 딥러닝 연구를 위한 PyTorch 기반 노코드 프레임워크. PyTorch 생태계. 🏆 지금까지 TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI 등에 발표된 지식 증류 방법 28가지를 구현했습니다. 🎁 재현성을 보장하고 벤치마크를 수행할 수 있도록 학습된 모델, 학습 로그 및 설정을 제공합니다.
Android 기기, Raspberry Pi 등에서 TensorFlow Lite 객체 감지 모델을 훈련, 변환 및 실행하는 방법을 보여주는 튜토리얼!
"Retinexformer: 저조도 이미지 향상을 위한 단일 단계 Retinex 기반 트랜스포머" (ICCV 2023 인용 상위 10위 🏆) & (NTIRE 2024 준우승 🏆) & (NTIRE 2025 우승 🏆) & (NTIRE 2026 우승 🏆)
Yolov5 deepsort 추론, YOLOv5+Deepsort를 사용하여 차량 및 보행자 추적 및 카운트, 코드는 Detector 클래스로 캡슐화되어 자체 프로젝트에 더 쉽게 통합할 수 있습니다.
CVPR(Conference on Computer Vision and Pattern Recognition)의 논문, 코드, 데모 비디오 등을 포함한 최신 결과를 수집하며, 모든 분들의 추천을 환영합니다!