#faster-rcnn Repositórios
Descubra 10 repositórios ativos de código aberto no GitHub marcados com #faster-rcnn, acumulando um total de 52,590 estrelas (uma média de 5,259 por projeto). O líder deste tópico é open-mmlab/mmdetection, com 32,234 estrelas.
10 repositórios no total
Kit de ferramentas de Detecção de Objetos baseado em PaddlePaddle. Ele suporta detecção de objetos, segmentação de instância, rastreamento de múltiplos objetos e detecção de pontos-chave multipessoa em tempo real.
Um novo código-base para métodos populares de Geração de Grafo de Cena (2020). Visualização e Extração de Grafo de Cena em imagens/conjuntos de dados personalizados são fornecidos. É também uma implementação em PyTorch do artigo “Unbiased Scene Graph Generation from Biased Training CVPR 2020”
Um Framework de Visão Computacional Agnóstico - Conectável a qualquer Biblioteca de Treinamento: Fastai, Pytorch-Lightning com mais por vir
Anotações de Projeto+Reprodução de Artigos+Competição de Algoritmos+Prática com Pytorch+LeetCode+Pré-treinamento VLM
[Pedestron] Detecção Generalizável de Pedestres: O Elefante na Sala. @ CVPR2021
Tensorflow Faster R-CNN para Windows/Linux e Python 3 (3.5/3.6/3.7)
converter o modelo mmdetection para tensorrt, suporta fp16, int8, entrada em lote, forma dinâmica, etc.
RectLabel é uma ferramenta de anotação de imagens offline para deteção e segmentação de objetos.
Perguntas Frequentes
Qual é o repositório de #faster-rcnn mais popular no GitHub?
O projeto de código aberto de #faster-rcnn mais bem classificado no GitHub é open-mmlab/mmdetection, com 32,234 estrelas. OpenMMLab Detection Toolbox e Benchmark
Quais linguagens de programação são mais usadas nos repositórios de #faster-rcnn?
Entre os projetos de #faster-rcnn mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #faster-rcnn?
Acompanhamos 10 repositórios ativos de código aberto marcados com #faster-rcnn (com mais de 500 estrelas), totalizando 52,590 estrelas e uma média de 5,259 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.