#yolov5 Репозитории
Откройте для себя 41 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #yolov5, с общим числом 152,009 звёзд (в среднем 3,707 на проект). Лидером этой темы является ultralytics/yolov5, набравший 58,290 звёзд.
Всего репозиториев: 41
Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Набор инструментов для обнаружения объектов на основе PaddlePaddle. Поддерживает обнаружение объектов, сегментацию экземпляров, отслеживание нескольких объектов и обнаружение ключевых точек нескольких человек в реальном времени.
Сборник обучающих материалов по передовым моделям и методам компьютерного зрения. Изучите всё: от фундаментальных архитектур, таких как ResNet, до новейших моделей, таких как RF-DETR, YOLO11, SAM 3 и Qwen3-VL.
Реализация популярных сетей глубокого обучения с использованием API определения сети TensorRT
Независимо от того, являетесь ли вы абсолютным новичком, применяете проекты в области CV, NLP, LLM или стремитесь к продвинутому инженерному развертыванию и внедрению, здесь вы найдете все в «Практическом руководстве по Pytorch» (2-е издание). Мы верим, что с помощью этой книги читатели смогут легко освоить использование PyTorch и стать отличными инженерами глубокого обучения.
Легкий C++ набор инструментов ИИ: более 100 моделей с MNN, ORT и TRT, включая Det, Seg, Stable-Diffusion, Face-Fusion.
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.
🔥🔥🔥 Фокус на улучшенных моделях YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5, Поддержка для улучшения backbone, neck, head, loss, IoU, NMS и других модулей🚀
Изображения для вывода без разметки (используйте базовые модели для обучения моделей с учителем).
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 ❗❗
Превратите любой компьютер или периферийное устройство в центр управления вашими проектами компьютерного зрения.
🍅🍅🍅YOLOv5-Lite: Разработан на основе yolov5, размер модели всего 900+kb (int8) и 1.7M (fp16). Достигает 15 FPS на Raspberry Pi 4B~
YOLO5Face: Зачем заново изобретать детектор лиц (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)
🚀 Более простой и быстрый набор инструментов для развертывания YOLO для NVIDIA 🛠️
yolov5 обнаружение номерных знаков распознавание номерных знаков распознавание китайских номерных знаков обнаружение поддерживает 12 типов китайских номерных знаков поддерживает двухслойные номерные знаки
🚀🚀🚀 Коллекция некоторых потрясающих публичных проектов серии YOLO для обнаружения объектов и связанных наборов данных для обнаружения объектов.
Реализация выбора текста, выбора символов, выбора и распознавания сенсорных CAPTCHA, обученная на PyTorch
PaddleSlim — это библиотека с открытым исходным кодом для сжатия глубоких моделей и поиска архитектур.
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
🔥🔥🔥TensorRT для YOLO26 (обнаружение/поза/сегментация/глубина/ориентированные рамки/классификация), YOLOv11, YOLOv10, YOLOv9, YOLOv8 и других 🚀🚀🚀 ВАМ НУЖНА ТОЛЬКО CUDA. 🍎🍎🍎
fire-smoke-detect-yolov4-yolov5 и fire-smoke-detection-dataset обнаружение пожара, обнаружение дыма
TensorRT8 поддерживает Yolov5n,s,m,l,x .darknet -> tensorrt. Yolov4 Yolov3 используют raw darknet файлы *.weights и *.cfg. Если обертка полезна для вас, пожалуйста, поставьте звезду.
TensorRT для серии YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), поддержка плагина nms
yolort - это стек времени выполнения для yolov5 на специализированных ускорителях, таких как tensorrt, libtorch, onnxruntime, tvm и ncnn.
GUI для разметки ограничивающих рамок объектов на изображениях для обучения нейронной сети YOLO
Простая демонстрация yolov5s, работающего на rk3588/3588s с использованием C++ (около 142 кадров/с). / Простая демонстрация yolov5s, работающего на rk3588/3588s с использованием C++ (около 142 кадров/с).
Более читаемый и гибкий Yolov5 с дополнительными бэкбонами (gcn, resnet, shufflenet, moblienet, efficientnet, hrnet, swin-transformer и т. д.) и (cbam, dcn и так далее), а также tensorrt
на основе проекта высокого уровня yolo (обнаружение\поза\классификация\сегментация\): включает YOLOv5\YOLOv7\YOLOv8\ Core, исследование улучшений, SwinTransformerV2 и серию Attention. навыки обучения, индивидуальная настройка бизнеса, инженерное развертывание C
🚀🚀🚀 Серия YOLO реализации PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet и так далее. 🚀🚀🚀
Моно / стерео оценка глубины + YOLO обнаружение объектов с развертыванием на Jetson Nano / TX2 / GeForce с помощью TensorRT
Простые и модульные детекторы, трекеры и SAM для компьютерного зрения - Запустите YOLOv9,v8,v7,v6,v5,R,X менее чем за 10 строк кода.
Быстрое обнаружение объектов в реальном времени с выводом высокого разрешения https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX
Детектирование + распознавание номерных знаков с использованием YOLOv5 и LPRNet (набор данных CCPD)
YOLO SHOW - YOLO GUI на базе Pyside6 для YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM
YOLO Magic🪄 — это расширение на базе YOLOv5 от Ultralytics, разработанное для обеспечения более мощной функциональности и более простых операций для визуальных задач.
Часто задаваемые вопросы
Какой репозиторий по теме #yolov5 наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #yolov5 на GitHub — ultralytics/yolov5, набравший 58,290 звёзд. Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Какие языки программирования чаще всего используются в репозиториях по теме #yolov5?
Среди наиболее высоко оценённых проектов по теме #yolov5 на GitHub чаще всего используются языки программирования Python, C++, Jupyter Notebook, C.
Как рассчитывается рейтинг репозиториев по теме #yolov5?
Мы отслеживаем 41 активных репозиториев с открытым исходным кодом, отмеченных тегом #yolov5 (500 и более звёзд), с общим числом 152,009 звёзд и в среднем 3,707 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.