object-detection

Neuronales Netzwerk-Komprimierungsframework für verbesserte OpenVINO™-Inferenz

🌝 MLKit ist ein leistungsstarkes und benutzerfreundliches Toolkit. Mit ML Kit können Sie ganz einfach Funktionen wie Texterkennung, Barcode-Erkennung, Bildbeschriftung, Gesichtserkennung und Objekterkennung implementieren.

[CVPR2024 Highlight] GLEE: General Object Foundation Model für Bilder und Videos im großen Maßstab

Metriken für die Objekterkennung. 14 Metriken zur Objekterkennung: mean Average Precision (mAP), Average Recall (AR), Spatio-Temporal Tube Average Precision (STT-AP). Dieses Projekt unterstützt verschiedene Bounding-Box-Formate wie in COCO, PASCAL, Imagenet usw.

VisionLLM-Serie

Grounding DINO 1.5: Die leistungsfähigste Open-World-Objekterkennungsserie von IDEA Research

[CVPR2023] Das offizielle Repository für OC-SORT: Beobachtungszentriertes SORT für Video-Multi-Objekt-Tracking. OC-SORT ist einfach, online und robust gegenüber Verdeckungen/nichtlinearer Bewegung.

Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 für ROS 2

Die moderne, lokale Plattform für professionelle Videoüberwachung.

Channel Pruning zur Beschleunigung sehr tiefer neuronaler Netze (ICCV'17)

Microsoft AI for Good Lab – Biodiversitäts-Forschungszentrum. Open-Source-KI-Modelle, Edge-Geräte und Tools für Biodiversitätsüberwachung und Artenschutz. Ihre Quelle für MegaDetector, SPARROW, PytorchWildlife, Bioacoustics und mehr.

Python-Framework, das die schnelle Entwicklung komplexer Videoanalyseanwendungen und anderer auf Serienverarbeitung basierender Anwendungen in einer Multiprocessing-Umgebung erleichtert.

Framework-unabhängige Implementierung modernster Saliency-Methoden (XRAI, BlurIG, SmoothGrad und mehr).

Perceptions-Toolkit für Sim2Real-Training und -Validierung in Unity

Lernen Sie Deep Learning mit TensorFlow 2.0, Keras und Python in dieser umfassenden Tutorial-Reihe. Lernen Sie Deep Learning von Grund auf für Anfänger.

MetaSeg: Verpackte Version des Segment Anything-Repositories

CodeProject.AI Server ist ein eigenständiger Dienst, den Softwareentwickler in ihre Anwendungen integrieren und mit ihnen vertreiben können, um ihre Apps mit KI-Funktionen zu erweitern.

:fire: :fire: :fire: Eine Literaturliste zu einigen aktuellen Arbeiten im Bereich Computer Vision (CV)

Code für die 3D-Objekterkennung für das autonome Fahren

Semi-Supervised Learning, Objekterkennung, ICCV2021

Offizielle PyTorch-Implementierung von FasterViT: Fast Vision Transformers with Hierarchical Attention (ICLR 2024)

[ICLR2022] Offizielle Implementierung von UniFormer

🔥🔥🔥 Kostenlose Offline-KI-Algorithmen-Toolbox für Java mit Unterstützung für Gesichtserkennung, Liveness-Erkennung, Gesichtsausdruckserkennung, Objekterkennung, Instanzsegmentierung, Fußgängererkennung, OCR-Texterkennung, Nummernschilderkennung, Tabellenerkennung, ASR+TTS, maschinelle Übersetzung und mehr. Einfach über Maven einbinden. Unterstützt PyTorch, TensorFlow und integriert gängige Modelle wie Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR (PPOCRv5), Whisper usw.

Dieses Repository ist eine kuratierte Sammlung der spannendsten und einflussreichsten CVPR 2025 Paper. 🔥 [Paper + Code + Demo]

Ein technologiestandardunabhängiges Computer-Vision-Framework – erweiterbar für jede Trainingsbibliothek: Fastai, Pytorch-Lightning und weitere folgen

:zap: Ein neu entworfenes, ultraleichtes, ankerfreies Zielerkennungs-Algorithmus, nur 250 KB Parameter, reduziert den Zeitaufwand im Vergleich zu yolo-fastest um 10 % und die Nachbearbeitung ist einfacher

Python Computer Vision- & Video-Analytics-Framework mitgeliefert mit allem Drum und Dran

Ein Open-Source-Framework für Computer Vision zur schnellen Erstellung und Bereitstellung von Anwendungen.

Darknet/YOLO-Objekterkennungs-Framework

Dies ist die Implementierung durch Dritte des Papers Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.