#object-detection Репозитории
Всего репозиториев: 296
[CVPR 2025] Официальная реализация MambaVision на PyTorch: гибридный Mamba-Transformer для компьютерного зрения
Библиотека и фреймворк с открытым исходным кодом для глубокого обучения на спутниковых и аэрофотоснимках.
Фреймворк для вывода, одновременно с многими полезными демо, если кажется полезным, пожалуйста, поставь звезду
Это исходный код yolo3-pytorch, который можно использовать для обучения вашей собственной модели.
Реализация 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 для моделей YOLO
Выпуск кода для "Обнаружение двадцати тысяч классов с использованием надзора на уровне изображений".
Изучайте автономное вождение, создавая его своими руками: симуляции на Python и открытый учебник, в котором система развивается шаг за шагом. Заменяйте и сравнивайте алгоритмы локализации, планирования и управления в одной и той же системе.
Современный веб‑основанный сервер для управления фотографиями. Запустив его на домашнем сервере, вы сможете находить нужные фотографии из вашей коллекции на любом устройстве. Умная фильтрация возможна благодаря распознаванию объектов, распознаванию лиц, учету местоположения, анализу цветов и другим алгоритмам машинного обучения.
fastdup — это мощный бесплатный инструмент, предназначенный для быстрого получения ценной информации из наборов данных изображений и видео. Он помогает повысить качество как изображений, так и меток, значительно снижая затраты на операции с данными, и все это при непревзойденной масштабируемости.
Core ML model zoo для iOS/macOS — модели PyTorch, преобразованные в готовые к использованию .mlpackage, каждая из которых включает скрипт конвертации и пример приложения на SwiftUI. Связанные репозитории охватывают фреймворк Core AI от Apple (iOS/macOS 27) и локальные LLM.
🚀 Более простой и быстрый набор инструментов для развертывания YOLO для NVIDIA 🛠️
Набор методов для ансамблирования рамок из различных моделей обнаружения объектов, включая реализацию метода "Weighted boxes fusion (WBF)".
Высокопроизводительная библиотека ИИ-инференса на устройстве для React Native с приоритетом конфиденциальности, работающая на основе среды выполнения ExecuTorch от PyTorch
🚀🚀🚀 Коллекция некоторых потрясающих публичных проектов серии YOLO для обнаружения объектов и связанных наборов данных для обнаружения объектов.
Комплексное обучение для моделей зрения (YOLO, ViTs, RT-DETR, DINOv3): предварительное обучение, дообучение, дистилляция.
Реализация «YOLOv13: Обнаружение объектов в реальном времени с адаптивным визуальным восприятием, улучшенным гиперграфами».
Открытая платформа для аннотации мультимодальных данных с поддержкой автоаннотации ИИ.
Отслеживание и сбор статей/проектов/других материалов, связанных с Segment Anything.
Определение местоположения низкорасположенных обнаруживаемых объектов. SOTA в области FOSS AI для дронов!
Реализация выбора текста, выбора символов, выбора и распознавания сенсорных CAPTCHA, обученная на PyTorch
Это репозиторий Pytorch YOLOv4, attentive YOLOv4 и mobilenet YOLOv4 с PASCAL VOC и COCO
[CVPR 2025] DEIM: DETR с улучшенным сопоставлением для быстрой сходимости
Реализация EfficientDet на PyTorch, верная оригинальной реализации Google с перенесенными весами
Фреймворк без необходимости программирования на базе PyTorch для воспроизводимых исследований в области глубокого обучения. Экосистема PyTorch. 🏆 На данный момент реализовано 28 методов дистилляции знаний, представленных на конференциях и в журналах TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI и других. 🎁 Для обеспечения воспроизводимости и проведения сравнительного тестирования доступны обученные модели, журналы обучения и конфигурации.
Официальный код для "FeatUp: Модельно-независимая структура для признаков любого разрешения" ICLR 2024
Учебник, показывающий, как обучать, конвертировать и запускать модели обнаружения объектов TensorFlow Lite на устройствах Android, Raspberry Pi и не только!
Расширения PyTorch для быстрого прототипирования R&D и фарминга в Kaggle
"Retinexformer: Одноэтапный трансформер на основе Retinex для улучшения изображений при слабом освещении" (ICCV 2023 Топ-10 цитирований 🏆) & (NTIRE 2024 Второе место 🏆) & (NTIRE 2025 Победитель 🏆) & (NTIRE 2026 Победитель 🏆)
Yolov5 deepsort inference, использование YOLOv5+Deepsort для отслеживания и подсчета транспортных средств и пешеходов, код инкапсулирован в класс Detector, что упрощает встраивание в ваши собственные проекты
Отслеживание объектов реализовано с помощью YOLOv4, DeepSort и TensorFlow.
Обнаружение объектов в реальном времени и с высокой точностью с открытым словарем от начала до конца
Собирайте последние результаты CVPR (Conference on Computer Vision and Pattern Recognition), включая статьи, код и демонстрационные видео и т. д., и мы приветствуем рекомендации от всех!