#object-detection Repositórios
296 repositórios no total
Artigos, código e conjuntos de dados sobre deep learning para detecção de objetos 3D.
Uma demonstração simples do yolov5s rodando em rk3588/3588s usando C++ (cerca de 142 quadros por segundo).
Yolov5 mais legível e flexível com mais backbones (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer, etc.) e (cbam, dcn e assim por diante), e tensorrt
com base no projeto de alto nível yolo (detectar\pose\classificar\segmentar\):inclui yolov5\yolov7\yolov8\ core, pesquisa de melhoria, SwintransformV2 e Série de Atenção. habilidades de treinamento, personalização de negócios, implantação de engenharia C
🚀🚀🚀 Implementação da série YOLO do PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet e assim por diante. 🚀🚀🚀
A implementação oficial em PyTorch de “Mamba-YOLO: baseado em SSM para detecção de objetos”
O conjunto de dados Exclusively Dark (ExDARK), que, ao nosso conhecimento, é a maior coleção de imagens de baixa luminosidade capturadas em ambientes com iluminação muito baixa até ao crepúsculo (ou seja, 10 condições diferentes) até à data, com anotações a nível de classe de imagem e de objeto.
Rastreamento de Objetos YOLOv7 Usando PyTorch, OpenCV e o Rastreamento SORT
Este repositório é uma coleção selecionada dos artigos mais empolgantes e influentes da CVPR 2023. 🔥 [Artigo + Código]
Pipeline de detecção de objetos YOLOv4/v3/v2 de ponta a ponta, implementado no tf.keras com diferentes tecnologias
Estimativa de profundidade mono / estéreo + detecção de objetos YOLO com implantação em Jetson Nano / TX2 / GeForce via TensorRT
Detecção de Objetos por Radar 4D para Direção Autônoma em Várias Condições Climáticas
Tensorflow Faster R-CNN para Windows/Linux e Python 3 (3.5/3.6/3.7)
Framework de reconhecimento de instância de vídeo de próxima geração baseado no Detectron2 que suporta InstMove (CVPR 2023), SeqFormer (ECCV Oral) e IDOL (ECCV Oral))
Detetores, Rastreadores e SAM de Visão Computacional Fáceis e Modulares – Execute YOLOv9, v8, v7, v6, v5, R, X em menos de 10 linhas de código.
Ferramenta de geração de dados de treinamento baseada em visão computacional :rocket:
Estrutura que permite o ajuste fino de modelos de ancoragem visão-linguagem em conjuntos de dados personalizados
[CVPR 2024] Alinhando e Prompting Tudo de Uma Vez para Percepção Visual Universal
OBBDetection é uma biblioteca de detecção de objetos orientados, que é baseada em MMdetection.
converter o modelo mmdetection para tensorrt, suporta fp16, int8, entrada em lote, forma dinâmica, etc.
Aumento de imagens para visão computacional. Licenciamento exclusivamente sob AGPL-3.0 ou licença comercial.
Nós do ComfyUI para modelos de visão-linguagem: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Além de detecção de vocabulário aberto, segmentação SAM2/SAM3, raciocínio temporal de vídeo, GGUF via llama.cpp e APIs de LLM/VLM hospedadas.
Detecção e Reconhecimento de Placas de Veículos com YOLOv5 e LPRNet (Conjunto de Dados CCPD)
[NeurIPS 2020] Este projeto fornece uma forte linha de base de estágio único para Classificação, Detecção e Segmentação de Instâncias de Cauda Longa (LVIS). É também uma implementação em PyTorch do artigo NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
🚀 Uma solução de detecção de objetos em tempo real de alto desempenho usando YOLO11 ⚡️ com tecnologia ONNX-Runtime
[ICLR 2025 Destaque] Vision-RWKV: Percepção Visual Eficiente e Escalável com Arquiteturas Semelhantes a RWKV
RectLabel é uma ferramenta de anotação de imagens offline para deteção e segmentação de objetos.
Código e diretrizes de implementação para o artigo ✨Counting Anything. Página do projeto: https://mengqi-lei.github.io/count-anything-projectpage/
Biblioteca gratuita e de código aberto para detecção de objetos e segmentação semântica por IA em rasters geoespaciais. 🚀
Aplicativo iOS Ultralytics YOLO e pacote Swift para inferência Core ML em tempo real nas principais tarefas de visão computacional.
um detector de objetos sem âncora de borda em tempo real com desempenho decente
Plugin oficial Ultralytics YOLO para Flutter, destinado à inferência em tempo real no Android e iOS para as principais tarefas de visão computacional.
Detecção de objetos em múltiplos conjuntos de dados com um espaço de rótulos unificado automaticamente aprendido.
Crie uma visualização do tráfego no estilo de um gêmeo digital usando apenas imagens de CCTV em MP4 e sua localização no Google Maps.
"Aprendendo Representações Locais Delicadas para Estimação de Poses de Múltiplas Pessoas" (Destaque ECCV 2020) & (Vencedor do Desafio de Detecção de Pontos Chave Humanos COCO 2019) & (Prêmio de Melhor Artigo COCO 2019)