openvino

Einheitliches Framework zum Erstellen von Enterprise-RAG-Pipelines mit kleinen, spezialisierten Modellen.

OpenVINO™ ist ein Open-Source-Toolkit zur Optimierung und Bereitstellung von KI-Inferenz

YOLOX ist ein leistungsstarkes, anchor-freies YOLO, das YOLOv3~v5 übertrifft, mit Unterstützung für MegEngine, ONNX, TensorRT, ncnn und OpenVINO. Dokumentation: https://yolox.readthedocs.io/

📄 Awesome OCR-Toolkit für mehrere Programmiersprachen basierend auf ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT und PyTorch.

Go-Paket für Computer Vision mit OpenCV 4 und neuer. Beinhaltet Unterstützung für DNN, CUDA, OpenCV Contrib und OpenVINO.

NanoDet-Plus: Superschnelles und leichtgewichtiges, anchor-free Objekterkennungsmodell. Nur 980 KB (int8) / 1,8 MB (fp16) und läuft mit 97 FPS auf Mobiltelefonen

Eine Anomalieerkennungsbibliothek mit modernen Algorithmen und Funktionen wie Experimentverwaltung, Hyperparameter-Optimierung und Edge-Inferenz.

TNN: Entwickelt vom Tencent Youtu Lab und Guangying Lab, ein einheitliches Deep-Learning-Inferenz-Framework für Mobilgeräte, Desktops und Server. TNN zeichnet sich durch herausragende Funktionen wie Plattformunabhängigkeit, hohe Leistung, Modellkomprimierung und Code-Pruning aus. Basierend auf ncnn und Rapidnet verstärkt TNN die Unterstützung und Leistungsoptimierung für Mobilgeräte weiter.

Ein Repository zum Speichern von Modellen, die zwischen verschiedenen Frameworks konvertiert wurden. Unterstützte Frameworks sind TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.

Trainierte Deep-Learning-Modelle und Demos (von hoher Qualität und extrem schnell)

Eine Fast-Echtzeit-Implementierung von OpenAI Whisper.

📚 Jupyter Notebook Tutorials für OpenVINO™

OpenMMLab Modell-Bereitstellungsframework

Schnelle und präzise Schätzung menschlicher Posen in PyTorch. Enthält die Implementierung des Papers „Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose“.

Schnelle Stable Diffusion auf CPU und AI PC

Ein einfach zu bedienendes und leistungsstarkes KI-Bereitstellungsframework

Fügt bisenetv2 hinzu. Meine Implementierung von BiSeNet

Erstellen Sie Computer-Vision-Modelle in einem Bruchteil der Zeit und mit weniger Daten.

Neuronales Netzwerk-Komprimierungsframework für verbesserte OpenVINO™-Inferenz

Skalierbarer Inferenz-Server für mit OpenVINO™ optimierte Modelle.

Weltweit schnellste ANPR/ALPR-Implementierung für CPUs, GPUs, VPUs und NPUs mittels Deep Learning (Tensorflow, Tensorflow lite, TensorRT, OpenVX, OpenVINO). Multi-Charset (Lateinisch, Koreanisch, Chinesisch), Multi-OS (Jetson, Android, Raspberry Pi, Linux, Windows) und Multi-Arch (ARM, x86).

Das Deep Learning Streamer (DL Streamer) Pipeline Framework ist ein Open-Source-Streaming-Medienanalyse-Framework auf Basis des GStreamer*-Multimedia-Frameworks zur Erstellung komplexer Medienanalyse-Pipelines für die Cloud oder Edge.

🤗 Optimum Intel: Beschleunigung der Inferenz mit Intel-Optimierungstools