#object-detection Repositórios
Descubra 296 repositórios ativos de código aberto no GitHub marcados com #object-detection, acumulando um total de 1,201,862 estrelas (uma média de 4,060 por projeto). O líder deste tópico é ultralytics/ultralytics, com 63,640 estrelas.
296 repositórios no total
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
LocalAI é o motor de IA de código aberto. Execute qualquer modelo - LLMs, visão, voz, imagem, vídeo - em qualquer hardware. Nenhuma GPU necessária.
Detectron2 é uma plataforma para detecção de objetos, segmentação e outras tarefas de reconhecimento visual.
aprendizagem profunda para processamento de imagem, incluindo classificação e detecção de objetos, etc.
Uma ferramenta simples de análise de tela visando um agente GUI puramente baseado em visão
Mask R-CNN para detecção de objetos e segmentação de instâncias no Keras e TensorFlow
Uma lista selecionada de recursos fantásticos de visão computacional
O CVAT é uma plataforma líder de anotação de dados para conjuntos de dados de imagens, vídeos, áudio e 3D. Oferece produtos de código aberto, na nuvem e empresariais, além de serviços de rotulagem, com rotulagem assistida por IA, garantia de qualidade, colaboração em equipe, análises e APIs para desenvolvedores.
Esta é uma implementação oficial para "Swin Transformer: Transformer de Visão Hierárquico usando Janelas Deslocadas".
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.
Explicabilidade avançada de IA para visão computacional. Suporte para CNNs, Vision Transformers, Classificação, Detecção de objetos, Segmentação, Similaridade de imagem e muito mais.
Coleção de artigos/códigos/análises/transmissões ao vivo do cvpr2024/cvpr2023/cvpr2022/cvpr2021/cvpr2020/cvpr2019/cvpr2018/cvpr2017, organizado pela equipe Jishi
O repositório fornece código para executar inferência e ajuste fino com o Meta Segment Anything Model 3 (SAM 3), links para baixar os pontos de verificação do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Uma lista de artigos sobre detecção de objetos usando aprendizado profundo.
X-AnyLabeling: uma aplicação de desktop multiplataforma, leve, eficiente e unificada para anotar texto, imagens, vídeos, nuvens de pontos e dados multimodais. Combina ferramentas integradas versáteis com modelos de IA de última geração e oferece opções flexíveis de exportação em vários formatos.
Implementação em PyTorch de YOLOv3, YOLOv3-SPP e YOLOv3-tiny para detecção de objetos em tempo real com treinamento, validação, inferência e exportação em múltiplos formatos.
YOLOX é um YOLO de alto desempenho e sem âncoras, superando o yolov3~v5 com suporte para MegEngine, ONNX, TensorRT, ncnn e OpenVINO. Documentação: https://yolox.readthedocs.io/
Técnicas para aprendizado profundo com imagens de satélite e aéreas
RF-DETR é uma arquitetura de modelo de detecção e segmentação de objetos em tempo real desenvolvida pela Roboflow, SOTA no COCO, projetada para ajuste fino (fine-tuning). [ICLR 2026]
Melhores Práticas, exemplos de código e documentação para Visão Computacional.
Uma coleção de tutoriais sobre modelos e técnicas de visão computacional de ponta. Explore tudo, desde arquiteturas fundamentais como ResNet até modelos de ponta como RF-DETR, YOLO11, SAM 3 e Qwen3-VL.
[ECCV 2024] Implementação oficial do artigo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"
Guia do Hello AI World para implantação de redes de inferência de deep learning e primitivas de deep vision com TensorRT e NVIDIA Jetson.
Uma biblioteca python criada para capacitar desenvolvedores a construir aplicações e sistemas com capacidades de Visão Computacional autônomas
Experimente, aprenda e codifique as últimas inovações revolucionárias com a IA da Microsoft
Alguns scripts sobre detecção de objetos e códigos com ideias de melhorias; detalhes em readme.md.
A plataforma de próxima geração do OpenMMLab para detecção geral de objetos 3D.
NanoDet-Plus⚡Modelo de detecção de objetos sem âncoras super rápido e leve. 🔥Apenas 980 KB (int8) / 1,8 MB (fp16) e executa a 97 FPS em celulares🔥
YOLOv6: uma estrutura de detecção de objetos de estágio único dedicada a aplicações industriais.
Um Kit de Ferramentas Unificado para Análise de Imagens de Documentos Baseada em Aprendizagem Profunda
Inferência fatiada/em mosaico agnóstica a frameworks + UI interativa + gráficos de análise de erros
Perguntas Frequentes
Qual é o repositório de #object-detection mais popular no GitHub?
O projeto de código aberto de #object-detection mais bem classificado no GitHub é ultralytics/ultralytics, com 63,640 estrelas. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
Quais linguagens de programação são mais usadas nos repositórios de #object-detection?
Entre os projetos de #object-detection mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, TypeScript, Go.
Como é calculada a classificação dos repositórios de #object-detection?
Acompanhamos 296 repositórios ativos de código aberto marcados com #object-detection (com mais de 500 estrelas), totalizando 1,201,862 estrelas e uma média de 4,060 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.