#yolov5 Repositórios
Descubra 41 repositórios ativos de código aberto no GitHub marcados com #yolov5, acumulando um total de 152,009 estrelas (uma média de 3,707 por projeto). O líder deste tópico é ultralytics/yolov5, com 58,290 estrelas.
41 repositórios no total
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
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.
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.
Implementação de redes populares de aprendizado profundo com a API de definição de rede do TensorRT
O "Tutorial Prático de Pytorch" (Segunda Edição) abrange desde a introdução para iniciantes completos, aplicações em projetos de CV, NLP e LLM, até a implantação e engenharia avançada. Acreditamos que, com a ajuda deste livro, os leitores serão capazes de dominar facilmente o uso do PyTorch e se tornar excelentes engenheiros de aprendizado profundo.
Um kit de ferramentas de IA leve em C++: mais de 100 modelos com MNN, ORT e TRT, incluindo Det, Seg, Stable-Diffusion, Face-Fusion.
Ótimos projetos para recrutamento escolar, recrutamento de outono, recrutamento de primavera e estágios! Leva você a implementar do zero uma biblioteca de inferência de aprendizado profundo de alto desempenho, suportando inferência para modelos grandes como llama2, Unet, Yolov5, Resnet, etc. Implement a high-performance deep learning inference library step by step
Caixa de ferramentas e benchmark da série OpenMMLab YOLO. Implementado RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, etc.
DAMO-YOLO: um método de detecção de objetos rápido e preciso com algumas novas tecnologias, incluindo backbones NAS, RepGFPN eficiente, ZeroHead, AlignedOTA e aprimoramento por destilação.
🔥🔥🔥 Focado em modelos aprimorados YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5. Suporte para melhorar os módulos backbone, neck, head, loss, IoU, NMS e outros 🚀
Imagens para inferência sem rotulagem (use modelos de base para treinar modelos supervisionados).
Baseado em YOLOv5 Head Person Helmet Detection em Canteiros de Obras, sistema de reconhecimento de capacetes de segurança e áreas perigosas proibidas em canteiros de obras com detecção de objetos, 🚀😆Incluindo tutorial super detalhado do YOLOv5 para treinar seu próprio conjunto de dados 🚀😆Nova interface visual adicionada em 2021.3❗❗
Transforme qualquer computador ou dispositivo de borda em um centro de comando para seus projetos de visão computacional.
🍅🍅🍅YOLOv5-Lite: Evoluído do yolov5 e o tamanho do modelo é de apenas 900+kb (int8) e 1.7M (fp16). Atinge 15 FPS no Raspberry Pi 4B~
YOLO5Face: Por Que Reinventar um Detector de Rosto (https://arxiv.org/abs/2105.12931) Workshops do ECCV 2022)
🚀 Kit de Ferramentas de Implantação YOLO Mais Fácil e Rápido para NVIDIA 🛠️
Detecção de placa YOLOv5 Reconhecimento de placa Detecção de placa chinesa Suporta 12 tipos de placas chinesas Suporta placas de duas camadas
🚀🚀🚀 Uma coleção de alguns projetos incríveis da série pública de detecção de objetos YOLO e os conjuntos de dados de detecção de objetos relacionados.
Reconhecimento de CAPTCHA que abrange seleção de texto por clique, seleção de caracteres, escolha e toque, implementado e treinado com PyTorch.
PaddleSlim é uma biblioteca de código aberto para compressão de modelos profundos e busca de arquitetura.
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.
🔥🔥🔥TensorRT para YOLO26 (deteção/pose/segmentação/profundidade/caixas orientadas/classificação), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA É TUDO O QUE VOCÊ PRECISA. 🍎🍎🍎
fire-smoke-detect-yolov4-yolov5 e fire-smoke-detection-dataset detecção de incêndio, detecção de fumaça
TensorRT8 suporta Yolov5n,s,m,l,x .darknet -> tensorrt. Yolov4 Yolov3 usam arquivos raw darknet *.weights e *.cfg. Se o wrapper for útil para você, por favor, dê um Star.
tensorrt para a série yolo (YOLOv11,YOLOv10,YOLOv9,YOLOv8,YOLOv7,YOLOv6,YOLOX,YOLOv5), suporte a plugin NMS
yolort é uma pilha de tempo de execução para yolov5 em aceleradores especializados como tensorrt, libtorch, onnxruntime, tvm e ncnn.
GUI para marcar caixas delimitadoras de objetos em imagens para treinamento da rede neural YOLO
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. 🚀🚀🚀
Estimativa de profundidade mono / estéreo + detecção de objetos YOLO com implantação em Jetson Nano / TX2 / GeForce via TensorRT
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.
Detecção Rápida de Objetos em Tempo Real com Saída de Alta Resolução https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX
Detecção e Reconhecimento de Placas de Veículos com YOLOv5 e LPRNet (Conjunto de Dados CCPD)
YOLO SHOW - GUI YOLO baseada em Pyside6 para YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
YOLO Magic🪄 é uma extensão baseada no YOLOv5 da Ultralytics, projetada para oferecer funcionalidades mais poderosas e operações mais simples para tarefas visuais.
Perguntas Frequentes
Qual é o repositório de #yolov5 mais popular no GitHub?
O projeto de código aberto de #yolov5 mais bem classificado no GitHub é ultralytics/yolov5, com 58,290 estrelas. Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
Quais linguagens de programação são mais usadas nos repositórios de #yolov5?
Entre os projetos de #yolov5 mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook, C.
Como é calculada a classificação dos repositórios de #yolov5?
Acompanhamos 41 repositórios ativos de código aberto marcados com #yolov5 (com mais de 500 estrelas), totalizando 152,009 estrelas e uma média de 3,707 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.