#yolo Репозитории
Откройте для себя 88 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #yolo, с общим числом 433,903 звёзд (в среднем 4,930 на проект). Лидером этой темы является ultralytics/ultralytics, набравший 63,640 звёзд.
Всего репозиториев: 88
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация изображений, оценка позы и отслеживание объектов
Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Label Studio — это инструмент для маркировки и аннотации данных различных типов с стандартизированным форматом вывода
CVAT — ведущая платформа для аннотирования данных изображений, видео, аудио и 3D-наборов данных. Она предлагает продукты с открытым исходным кодом, облачные и корпоративные решения, а также услуги разметки с поддержкой ИИ, обеспечением качества, командной работой, аналитикой и API для разработчиков.
OpenVINO™ — это набор инструментов с открытым исходным кодом для оптимизации и развертывания вывода ИИ.
X-AnyLabeling: лёгкое, эффективное и унифицированное кроссплатформенное настольное приложение для разметки текста, изображений, видео, облаков точек и мультимодальных данных. Оно сочетает универсальные встроенные инструменты с передовыми моделями ИИ и поддерживает гибкий экспорт в нескольких форматах.
Реализация YOLOv3, YOLOv3-SPP и YOLOv3-tiny на PyTorch для обнаружения объектов в реальном времени с поддержкой обучения, валидации, инференса и экспорта в различные форматы.
YOLOX — это высокопроизводительный YOLO без якоря, превосходящий yolov3~v5 с поддержкой MegEngine, ONNX, TensorRT, ncnn и OpenVINO. Документация: https://yolox.readthedocs.io/
Комплексный набор инструментов для высококачественного извлечения содержимого PDF
BoxMOT: подключаемая система многоквартирного трекинга на Python и C++ для осевых и ориентированных ограничивающих рамок, теперь с развёртыванием через Helm для непрерывного отслеживания камер в Kubernetes.
Пакет Go для компьютерного зрения с использованием OpenCV 4 и выше. Включает поддержку DNN, CUDA, OpenCV Contrib и OpenVINO.
Некоторые скрипты по обнаружению целей и код с идеями улучшения; подробности см. readme.md.
YOLOv6: одноэтапный фреймворк для обнаружения объектов, предназначенный для промышленных применений.
Локальное программное обеспечение NVR и компьютерного зрения с искусственным интеллектом, размещаемое самостоятельно. Благодаря таким функциям, как обнаружение объектов, обнаружение движения, распознавание лиц и многим другим, оно дает вам возможность следить за вашим домом, офисом или любым другим местом, которое вы хотите контролировать.
Незатратное маркирование данных с помощью ИИ, поддерживаемое YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) и MobileSAM!!
Отличные проекты для ярмарок вакансий, осеннего и весеннего набора, стажировок! Пошаговое руководство по созданию высокопроизводительной библиотеки для инференса глубокого обучения, поддерживающей инференс больших моделей, таких как Llama2, Unet, YoloV5, Resnet и других. Реализуйте высокопроизводительную библиотеку для инференса глубокого обучения шаг за шагом.
Инструментарий и эталон серии YOLO от OpenMMLab. Реализованы RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE и др.
DAMO-YOLO: быстрый и точный метод обнаружения объектов с некоторыми новыми технологиями, включая бэкбоны NAS, эффективный RepGFPN, ZeroHead, AlignedOTA и улучшение дистилляцией.
Средняя средняя точность - Этот код оценивает производительность вашей нейронной сети для распознавания объектов.
🔥🔥🔥 Фокус на улучшенных моделях YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5, Поддержка для улучшения backbone, neck, head, loss, IoU, NMS и других модулей🚀
🥂 Элегантно пройдите проверку hCaptcha с помощью мультимодальной большой языковой модели.
Основано на YOLOv5 Head Person Helmet Detection на строительных площадках, система распознавания касок и запретных зон для безопасности на стройплощадках, 🚀😆с суперподробным руководством YOLOv5 по обучению вашего собственного набора данных 🚀😆Новое в марте 2021 года: Визуальный интерфейс ❗❗
Учебные пособия Jupyter Notebook по решению реальных проблем с помощью Machine Learning & Deep Learning с использованием PyTorch. Темы: Обнаружение лиц с Detectron 2, Обнаружение аномалий в временных рядах с LSTM Autoencoders, Обнаружение объектов с YOLO v5, Создайте свою первую Neural Network, Прогнозирование временных рядов для ежедневных случаев Coronavirus, Анализ настроений с BER
Многообъектный трекер, основанный на венгерском алгоритме + фильтре Калмана.
YOLO5Face: Зачем заново изобретать детектор лиц (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)
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
реализация статьи - You Only Learn One Representation: Unified Network for Multiple Tasks (https://arxiv.org/abs/2105.04206)
🚀 Более простой и быстрый набор инструментов для развертывания YOLO для NVIDIA 🛠️
🚀🚀🚀 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».
Универсальный второй глаз для геймеров с ограниченными возможностями (Универсальный выравниватель прицела с ИИ (AI Aimbot) - ONNX/YOLOv8 - C#)
открытая платформа для навигации слепых, основанная на ESP32
Книги / PDF / EPUB для разных областей программирования. ЧИТАЙ РАСТИ И НАСЛАЖДАЙСЯ 😊😊😊😊
Устаревший конвертер наборов данных из JSON в YOLO для аннотаций COCO, LabelMe, Labelbox, VoTT, INFOLKS и ATH. Заменен на convert_coco() в пакете Ultralytics.
:basketball::robot::basketball: Веб-приложение и API на базе ИИ для анализа бросков и поз при бросках в баскетболе.
TensorRT для серии YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), поддержка плагина nms
LibreYOLO — это библиотека компьютерного зрения с открытым исходным кодом, лицензированная по MIT
Python фреймворк для компьютерного зрения и видеоаналитики "все включено"
Часто задаваемые вопросы
Какой репозиторий по теме #yolo наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #yolo на GitHub — ultralytics/ultralytics, набравший 63,640 звёзд. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация изображений, оценка позы и отслеживание объектов
Какие языки программирования чаще всего используются в репозиториях по теме #yolo?
Среди наиболее высоко оценённых проектов по теме #yolo на GitHub чаще всего используются языки программирования Python, C++, Jupyter Notebook, TypeScript.
Как рассчитывается рейтинг репозиториев по теме #yolo?
Мы отслеживаем 88 активных репозиториев с открытым исходным кодом, отмеченных тегом #yolo (500 и более звёзд), с общим числом 433,903 звёзд и в среднем 4,930 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.