#object-detection Repositórios
296 repositórios no total
[CVPR 2025] Implementação Oficial em PyTorch de MambaVision: Um Backbone Híbrido Mamba-Transformer para Visão
Uma biblioteca e framework de código aberto para aprendizado profundo em imagens de satélite e aéreas.
Uma estrutura de raciocínio (framework), com muitas demos úteis; se você achar útil, por favor, dê uma estrela (star/like).
Este é o código-fonte do yolo3-pytorch, que pode ser usado para treinar os seus próprios modelos.
Implementação 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 para modelos YOLO
Lançamento do código para "Detectando Vinte Mil Classes usando Supervisão ao Nível da Imagem".
Aprenda a condução autônoma construindo-a: simulações em Python e um livro didático aberto, no qual o sistema evolui etapa por etapa. Troque e compare algoritmos de localização, planejamento e controle dentro do mesmo sistema.
Um servidor moderno baseado na web para gerenciamento de fotos. Rode-o em seu servidor doméstico e ele permitirá que você encontre a foto certa da sua coleção em qualquer dispositivo. Filtros inteligentes são possíveis graças ao reconhecimento de objetos, reconhecimento facial, conscientização de localização, análise de cores e outros algoritmos de aprendizado de máquina.
fastdup é uma ferramenta poderosa e gratuita, projetada para gerar rapidamente insights valiosos a partir de conjuntos de dados de imagens e vídeos. Ela ajuda a melhorar a qualidade de imagens e rótulos, ao mesmo tempo em que reduz significativamente os custos de operação de dados, tudo com escalabilidade incomparável.
Core ML model zoo para iOS/macOS — modelos PyTorch convertidos em .mlpackage prontos para uso, cada um com um script de conversão e um aplicativo de exemplo em SwiftUI. Repositórios relacionados cobrem o framework Core AI da Apple (iOS/macOS 27) e LLMs locais (on-device).
🚀 Kit de Ferramentas de Implantação YOLO Mais Fácil e Rápido para NVIDIA 🛠️
Conjunto de métodos para combinar caixas de diferentes modelos de detecção de objetos, incluindo a implementação do método "Weighted boxes fusion (WBF)".
Biblioteca de inferência de IA on-device para React Native, de alto desempenho e com foco na privacidade, alimentada pelo runtime ExecuTorch do PyTorch
🚀🚀🚀 Uma coleção de alguns projetos incríveis da série pública de detecção de objetos YOLO e os conjuntos de dados de detecção de objetos relacionados.
Treinamento completo para modelos de visão (YOLO, ViTs, RT-DETR, DINOv3): pré-treinamento, ajuste fino, destilação.
Implementação de "YOLOv13: Detecção de Objetos em Tempo Real com Percepção Visual Adaptativa Aprimorada por Hipergrafos".
Plataforma open-source de anotação de dados multimodais com suporte a auto-anotação por IA.
Rastreamento e coleta de artigos/projetos/outros relacionados ao Segment Anything.
Determinação de Localização para Objetos Detectáveis de Baixo Nível. O SOTA em IA FOSS para drones!
Reconhecimento de CAPTCHA que abrange seleção de texto por clique, seleção de caracteres, escolha e toque, implementado e treinado com PyTorch.
Este é um repositório PyTorch de YOLOv4, attentive YOLOv4 e mobilenet YOLOv4 com PASCAL VOC e COCO
[CVPR 2025] DEIM: DETR com Correspondência Melhorada para Convergência Rápida
Uma implementação PyTorch de EfficientDet fiel à implementação original do Google com pesos portados
Um framework sem necessidade de programação, baseado em PyTorch, para estudos reproduzíveis de aprendizagem profunda. Ecossistema PyTorch. 🏆 Até o momento, foram implementados 28 métodos de destilação de conhecimento apresentados em TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI etc. 🎁 Modelos treinados, registros de treinamento e configurações estão disponíveis para garantir a reprodutibilidade e facilitar a avaliação comparativa.
Código oficial para "FeatUp: A Model-Agnostic Frameworkfor Features at Any Resolution" ICLR 2024
Um tutorial mostrando como treinar, converter e executar modelos de detecção de objetos TensorFlow Lite em dispositivos Android, Raspberry Pi e mais!
Extensões PyTorch para prototipagem rápida de P&D e 'Kaggle farming' (mineração no Kaggle)
"Retinexformer: Transformador baseado em Retinex de um estágio para melhoria de imagens com pouca luz" (ICCV 2023 Top-10 Citado 🏆) & (NTIRE 2024 Vice-campeão 🏆) & (NTIRE 2025 Vencedor 🏆) & (NTIRE 2026 Vencedor 🏆)
Inferência YOLOv5 DeepSort, implementando rastreamento e contagem de veículos e pedestres usando YOLOv5 + DeepSort. O código é encapsulado em uma classe 'Detector', tornando-o mais fácil de ser integrado em seus próprios projetos.
Rastreamento de objetos implementado com YOLOv4, DeepSort e TensorFlow.
Detecção de objetos de ponta a ponta com vocabulário aberto, em tempo real e precisa
Coletar os resultados mais recentes da CVPR (Conference on Computer Vision and Pattern Recognition), incluindo artigos, códigos e vídeos de demonstração, etc., e bem-vindos recomendações de todos!