#object-detection Репозитории
Всего репозиториев: 296
открытая платформа для навигации слепых, основанная на ESP32
Соберите несколько статей о трансформерах для обнаружения и сегментации. Awesome Detection Transformer для компьютерного зрения (CV)
Создавайте, обучайте, оптимизируйте и запускайте модели компьютерного зрения локально — от исходных изображений до инференса в реальном времени. Открытый исходный код, оптимизация для Intel® XPU (также поддерживается CUDA).
[ICLR'23 Spotlight🔥] Первое успешное предобучение в стиле BERT/MAE на любой сверточной сети; реализация на Pytorch "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"
Медицинский набор инструментов для обнаружения содержит 2D + 3D реализации распространенных детекторов объектов, таких как Mask R-CNN, Retina Net, Retina U-Net, а также фреймворк для обучения и вывода, ориентированный на работу с медицинскими изображениями.
🚀 API подсчета объектов TensorFlow — это фреймворк с открытым исходным кодом, построенный на базе TensorFlow и Keras, который упрощает разработку систем подсчета объектов!
Реализация PyTorch на основе YOLOv4 из статьи: «Complex-YOLO: Обнаружение 3D-объектов в реальном времени на облаках точек»
Официальный репозиторий для "Mish: A Self Regularized Non-Monotonic Neural Activation Function" [BMVC 2020]
Репликация простых проектов CV, включая attention, классификацию, детекцию, детекцию ключевых точек и т.д.
⚡️Фреймворк пространственного восприятия для быстрого создания умных роботов и пространств
Высокопроизводительная библиотека TensorFlow Lite для React Native с ускорением GPU
Устаревший конвертер наборов данных из JSON в YOLO для аннотаций COCO, LabelMe, Labelbox, VoTT, INFOLKS и ATH. Заменен на convert_coco() в пакете Ultralytics.
Высокопроизводительное отслеживание нескольких объектов на основе YOLO, Deep SORT и KLT 🚀
:basketball::robot::basketball: Веб-приложение и API на базе ИИ для анализа бросков и поз при бросках в баскетболе.
Новая кодовая база для популярных методов генерации графов сцен (2020). Предоставляется визуализация и извлечение графов сцен из пользовательских изображений/наборов данных. Это также реализация на PyTorch статьи «Unbiased Scene Graph Generation from Biased Training CVPR 2020»
🌝 MLKit — это мощный и простой в использовании набор инструментов. С помощью ML Kit вы можете легко реализовать такие функции, как распознавание текста, распознавание штрих-кодов, маркировка изображений, обнаружение лиц, обнаружение объектов и т. д.
[CVPR2024 Highlight]GLEE: General Object Foundation Model for Images and Videos at Scale
Метрики обнаружения объектов. 14 метрик обнаружения объектов: средняя средняя точность (mAP), средний охват (AR), средняя точность пространственно-временных труб (STT-AP). Этот проект поддерживает различные форматы ограничивающих рамок, как в COCO, PASCAL, Imagenet и т. д.
[CVPR2023] Официальный репозиторий OC-SORT: Observation-Centric SORT для многообъектного отслеживания видео. OC-SORT прост, работает в режиме онлайн и устойчив к окклюзии/нелинейному движению.
Руководство, показывающее, как настроить API Object Detection TensorFlow на Raspberry Pi
Платформа для камер и NVR с приоритетом локального хранения. Все ваши камеры. Одно приложение.
Grounding DINO 1.5: Самая мощная серия моделей обнаружения объектов открытого мира от IDEA Research
C++‑движок для инференса, готовый к эксплуатации в любой платформе, для моделей YOLO (v5‑v12, YOLO26). Единый API для обнаружения, сегментации, оценки позы, OBB и классификации. Разработан на базе ONNX Runtime и OpenCV. Оптимизирован для CPU/GPU с поддержкой квантизации.
Центр биоразнообразия Microsoft AI for Good Lab: каталог проектов, документация и навигация по ИИ для охраны природы, SPARROW и MegaDetector.
Обрезка каналов для ускорения очень глубоких нейронных сетей (ICCV'17)
Выпуск кода для "Cut and Learn for Unsupervised Object Detection and Instance Segmentation" и "VideoCutLER: Surprisingly Simple Unsupervised Video Instance Segmentation"
LibreYOLO — это библиотека компьютерного зрения с открытым исходным кодом, лицензированная по MIT
Фреймворк Python, который облегчает быструю разработку сложных приложений для анализа видео и других приложений, основанных на последовательной обработке, в многопроцессорной среде.
Набор данных, разработанный с использованием метода бенчмаркинга и сжатия частоты для инфракрасного обнаружения объектов в условиях малого количества примеров
Инструментарий восприятия для sim2real-обучения и валидации в Unity
Реализация, независимая от фреймворка, для методов значимости передового уровня (XRAI, BlurIG, SmoothGrad и другие).
:fire: :fire: :fire: Список статей по некоторым недавним работам в области компьютерного зрения (CV)
CodeProject.AI Server — это автономный сервис, который разработчики программного обеспечения могут включать в свои приложения и распространять вместе с ними, чтобы расширить возможности своих приложений с помощью ИИ.
Изучите глубокое обучение с помощью tensorflow 2.0, keras и python в этой комплексной серии учебных пособий по глубокому обучению. Изучите глубокое обучение с нуля. Серия по глубокому обучению для начинающих. Учебные пособия по tensorflow, учебное пособие по tensorflow 2.0. учебное пособие по глубокому обучению python.