#yolov8 Repositórios
Descubra 45 repositórios ativos de código aberto no GitHub marcados com #yolov8, acumulando um total de 142,973 estrelas (uma média de 3,177 por projeto). O líder deste tópico é ultralytics/ultralytics, com 63,640 estrelas.
45 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
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
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.
Rotulagem de dados guiada por IA sem esforço, com suporte de IA de YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) e MobileSAM!!
Caixa de ferramentas e benchmark da série OpenMMLab YOLO. Implementado RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, etc.
🔥🔥🔥 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).
Transforme qualquer computador ou dispositivo de borda em um centro de comando para seus projetos de visão computacional.
Biblioteca de inferência leve para arquivos ONNX, escrita em C++. Ela pode executar o Stable Diffusion XL 1.0 em um RPI Zero 2 (ou com 298MB de RAM), mas também o Mistral 7B em desktops e servidores. Suporte para ARM, x86, WASM, RISC-V. Acelerado por XNNPACK. Bindings para Python, C# e JS(WASM) disponíveis.
🚀 Kit de Ferramentas de Implantação YOLO Mais Fácil e Rápido para NVIDIA 🛠️
🚀🚀🚀 Uma coleção de alguns projetos incríveis da série pública de detecção de objetos YOLO e os conjuntos de dados de detecção de objetos relacionados.
Determinação de Localização para Objetos Detectáveis de Baixo Nível. O SOTA em IA FOSS para drones!
Segundo Olho Universal para Jogadores com Deficiências (Alinhador de Mira de IA Universal (Aimbot de IA) - ONNX/YOLOv8 - C#)
tensorrt para a série yolo (YOLOv11,YOLOv10,YOLOv9,YOLOv8,YOLOv7,YOLOv6,YOLOX,YOLOv5), suporte a plugin NMS
🔥🔥🔥Caixa de ferramentas de algoritmos de IA gratuitos e offline para Java, suportando reconhecimento facial, detecção de vivacidade, reconhecimento de expressões, detecção de objetos, segmentação de instâncias, detecção de pedestres, reconhecimento de texto OCR, reconhecimento de placas de veículos, reconhecimento de tabelas, ASR+TTS, tradução automática e outras funções, utilizável via referência Maven. Suporta PyTorch, Tensorflow e integrou modelos principais como Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper, etc.
Framework de Visão Computacional e Análise de Vídeo em Python com Baterias Incluídas
YoloDotNet - Um projeto C# .NET 8.0 para Classificação, Detecção de Objetos, Detecção OBB, Segmentação e Estimativa de Posição tanto em imagens quanto em transmissões de vídeo ao vivo.
GUI para marcar caixas delimitadoras de objetos em imagens para treinamento da rede neural YOLO
Reconhecimento de CAPTCHA de controle deslizante com uma ou várias lacunas, instalação e uso via pip, com possibilidade de implantar a API localmente ou em um servidor
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. 🚀🚀🚀
Rastreamento de Objetos YOLOv7 Usando PyTorch, OpenCV e o Rastreamento SORT
Refine e melhore a qualidade de rostos pequenos em vídeos do MiniMax H3. Rastreie os rostos quadro a quadro, recorte-os, aprimore-os com o H3 e reintegre-os ao vídeo.
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.
🚀 Uma solução de detecção de objetos em tempo real de alto desempenho usando YOLO11 ⚡️ com tecnologia ONNX-Runtime
Uma implementação de acelerador de Rede Neural Convolucional em FPGA, xilinx (xczu7ev-ffvc1156-2-i), a inferência do yolov8 levou 60 ms.
Biblioteca Python para detecção de objetos pequenos YOLO e segmentação de instâncias
Uma caixa de ferramentas para implantação de modelos de deep learning usando C++ YoloX | YoloV7 | YoloV8 | Gan | OCR | MobileVit | Scrfd | MobileSAM | StableDiffusion
YOLO SHOW - GUI YOLO baseada em Pyside6 para YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
Detecção de placas YOLOv8, reconhecimento de placas, reconhecimento de placas chinesas, suporta 12 tipos de placas chinesas, suporta placas de duas linhas
Perguntas Frequentes
Qual é o repositório de #yolov8 mais popular no GitHub?
O projeto de código aberto de #yolov8 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 #yolov8?
Entre os projetos de #yolov8 mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, C#, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #yolov8?
Acompanhamos 45 repositórios ativos de código aberto marcados com #yolov8 (com mais de 500 estrelas), totalizando 142,973 estrelas e uma média de 3,177 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.