#object-detection Репозитории
Всего репозиториев: 296
Узлы вывода глубокого обучения для ROS / ROS2 с поддержкой NVIDIA Jetson и TensorRT
🔥🔥🔥Бесплатный автономный набор инструментов ИИ-алгоритмов для Java, поддерживающий распознавание лиц, определение живости, распознавание эмоций, обнаружение объектов, сегментацию экземпляров, обнаружение пешеходов, распознавание текста OCR, распознавание номерных знаков, распознавание таблиц, ASR+TTS, машинный перевод и другие функции, доступный через ссылку Maven. Поддерживает PyTorch, Tensorflow и включает такие основные модели, как Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR(PPOCRv5), Whisper и др.
Масштабирование ваших ядер до 31x31: Пересмотр дизайна больших ядер в сверточных нейронных сетях (CVPR 2022)
Современное компьютерное зрение с PyTorch, опубликовано Packt
[ICLR 2024] Официальная реализация FasterViT на PyTorch: Быстрые Vision Transformers с иерархическим вниманием
:zap: Основанный на низкоэнергетическом, сверхлегком универсальном алгоритме обнаружения целей Yolo, параметр составляет всего 250 тыс., а скорость терминала мобильного смартфона может достигать ~300 кадров в секунду+.
Курируемый список публикаций по семантической сегментации с открытым словарем и связанным областям (например, семантическая сегментация с нулевым выстрелом) ресурсы..
О проекте Этот репозиторий представляет собой тщательно подобранную коллекцию самых захватывающих и влиятельных статей CVPR 2025. 🔥 [Paper + Code + Demo]
Вы смотрите только один раз: Единая архитектура CNN для локализации действий во времени и пространстве в реальном времени
Python фреймворк для компьютерного зрения и видеоаналитики "все включено"
Агностический фреймворк компьютерного зрения – подключаемый к любой библиотеке обучения: Fastai, Pytorch-Lightning и другие в будущем
⚡ Новый сверхлегкий алгоритм обнаружения объектов без привязки (anchor-free), весом всего 250 тысяч параметров, сокращает время обработки на 10% по сравнению с yolo-fastest, а его постобработка проще.
YoloDotNet - Проект на C# .NET 8.0 для классификации, обнаружения объектов, обнаружения OBB, сегментации и оценки позы как в изображениях, так и в потоках живого видео.
Этот репозиторий содержит комплексный проект по компьютерному зрению/машинному обучению в футболе, который использует YOLO для обнаружения объектов, Kmeans для сегментации пикселей, оптический поток для отслеживания движения и перспективное преобразование для анализа движений игроков в футбольных видео.
Программа обучения для libfacedetection для обнаружения лиц и обнаружения 5 ориентиров.
Официальная реализация алгоритма из статьи ICML'23 "VIMA: Общая манипуляция роботом с использованием мультимодальных подсказок"
Это сторонняя реализация статьи Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.
LLVIP: Сопряженный набор данных "видимый"-"инфракрасный" для слабоосвещенного зрения
Фреймворк компьютерного зрения с открытым исходным кодом для создания и развертывания приложений за считанные минуты
CnSTD: Python3 пакет для обнаружения текста на изображениях (Scene Text Detection), обнаружения математических формул (Mathematical Formula Detection, MFD) и анализа макета (Layout Analysis) на основе PyTorch/MXNet для китайского/английского языка
Открытая библиотека для взаимодействия и обработки данных радара, специализированная для MIMO mmWave радаров
Порт MXNet SSD: Single Shot MultiBox Object Detector. Перереализация https://github.com/weiliu89/caffe/tree/ssd
Этот проект анализирует игроков в теннис в видео для измерения их скорости, скорости удара по мячу и количества ударов. Этот проект будет обнаруживать игроков и теннисный мяч с помощью YOLO, а также использовать сверточные нейронные сети (CNN) для извлечения ключевых точек корта. Этот практический проект идеально подходит для оттачивания ваших навыков машинного обучения и компьютерного зрения.
Изучение компьютерного зрения с OpenCV 4 и Python 3 – Третье издание, опубликовано Packt
[Официальный репозиторий] Visual Mamba: Обзор и новые перспективы
[ICCV 2023] Официальная реализация статьи "A Simple Framework for Open-Vocabulary Segmentation and Detection"
[NeurIPS 2024 spotlight] Официальная реализация MSFA и выпуск набора данных SARDet_100K для крупномасштабного обнаружения объектов с использованием радара с синтезированной апертурой (SAR)
YOLOv11-RGBT: К комплексному одноэтапному мультиспектральному фреймворку обнаружения объектов (Поддерживает RGBT-обнаружение для всех серий YOLO от YOLOv3 до YOLOv13, а также RTDETR. 【Ultralytics YOLOv3-YOLOv13】
Этот репозиторий представляет собой тщательно подобранную коллекцию самых захватывающих и влиятельных статей CVPR 2024. 🔥 [Paper + Code + Demo]
Регрессия ограничивающих рамок с учетом неопределенности для точного обнаружения объектов (CVPR'19)
BiomedParse: Фундаментальная модель для совместной сегментации, обнаружения и распознавания биомедицинских объектов в девяти модальностях
Иерархическая библиотека восприятия на Python для оценки позы, обнаружения объектов, сегментации экземпляров, оценки ключевых точек, распознавания лиц и т.д.
GUI для разметки ограничивающих рамок объектов на изображениях для обучения нейронной сети YOLO
(IJCV2024 & ICCV2023) LSKNet: Фундаментальная легкая основа для дистанционного зондирования
Миниатюрная, не зависящая от внешних компонентов библиотека компьютерного зрения на C для встроенных систем, дронов и робототехники.