yolov5

Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.

Object-Detection-Toolkit basierend auf PaddlePaddle. Unterstützt Objekterkennung, Instanz-Segmentierung, Multi-Object-Tracking und Echtzeit-Multi-Person-Keypoint-Erkennung.

Eine Sammlung von Tutorials zu modernen Computer-Vision-Modellen und -Techniken. Entdecke alles von grundlegenden Architekturen wie ResNet bis hin zu modernsten Modellen wie RF-DETR, YOLO11, SAM 3 und Qwen3-VL.

Implementierung gängiger Deep-Learning-Netzwerke mit der TensorRT-Netzwerkdefinitions-API

Praktisches Tutorial zu PyTorch (2. Auflage): Ob Einstieg ohne Vorkenntnisse, CV-, NLP- oder LLM-Projektanwendungen oder fortgeschrittene technische Bereitstellung – hier ist alles abgedeckt. Wir sind zuversichtlich, dass dieses Buch den Lesern hilft, den Umgang mit PyTorch mühelos zu meistern und exzellente Deep-Learning-Ingenieure zu werden.

Ein schlankes C++-KI-Toolkit: Über 100 Modelle mit MNN, ORT und TRT, einschließlich Det, Seg, Stable-Diffusion und Face-Fusion.

Implementiere Schritt für Schritt eine hochleistungsfähige Deep-Learning-Inferenzbibliothek, die Modelle wie Llama2, Unet, Yolov5, Resnet und andere unterstützt.

OpenMMLab YOLO-Serien-Toolbox und Benchmark. Implementiert RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE usw.

DAMO-YOLO: Eine schnelle und präzise Objekterkennungsmethode mit neuen Technologien wie NAS-Backbones, effizientem RepGFPN, ZeroHead, AlignedOTA und Distillationsverbesserung.

🔥🔥🔥 Fokus auf YOLO11, YOLOv8, YOLOv12, YOLOv10, RT-DETR, YOLOv7, YOLOv5 Verbesserungsmodelle, Unterstützung zur Verbesserung von Backbone, Neck, Head, Loss, IoU, NMS und anderen Modulen🚀

Bilder für die Inferenz ohne Kennzeichnung (Nutzung von Foundation Models zum Trainieren überwachter Modelle).

Auf YOLOv5 basierendes System zur Erkennung von Personen, Schutzhelmen und Sperrbereichen auf Baustellen, 🚀😆 inkl. detailliertem Tutorial zum Trainieren eigener Datensätze mit YOLOv5 🚀😆 März 2021: Visualisierungsoberfläche hinzugefügt❗❗

🍅🍅🍅YOLOv5-Lite: Weiterentwicklung von yolov5 mit einer Modellgröße von nur über 900 KB (int8) und 1,7 MB (fp16). Erreicht 15 FPS auf dem Raspberry Pi 4B~

Verwandeln Sie jeden Computer oder Edge-Device in ein Kommandozentrum für Ihre Computer-Vision-Projekte.

YOLO5Face: Why Reinventing a Face Detector (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)

🚀 Einfacheres und schnelleres YOLO-Bereitstellungs-Toolkit für NVIDIA 🛠️

YOLOv5-Kennzeichenerkennung und -detektion für chinesische Kennzeichen, unterstützt 12 Typen und zweistöckige Kennzeichen

🚀🚀🚀 Eine Sammlung großartiger öffentlicher YOLO-Objekterkennungsprojekte und zugehöriger Objekterkennungsdatensätze.

PaddleSlim ist eine Open-Source-Bibliothek für Deep-Model-Kompression und Architektursuche.

fire-smoke-detect-yolov4-yolov5 und fire-smoke-detection-dataset zur Feuer- und Raucherkennung

Yolov5-deepsort-Inferenz, implementiert Fahrzeug- und Personenverfolgung sowie -zählung mit YOLOv5+Deepsort, der Code ist in einer Detector-Klasse gekapselt und lässt sich leichter in eigene Projekte integrieren

🔥🔥🔥 TensorRT für YOLOv8, YOLOv8-Pose, YOLOv8-Seg, YOLOv8-Cls, YOLOv7, YOLOv6, YOLOv5, YOLONAS...... 🚀🚀🚀 CUDA IS ALL YOU NEED. 🍎🍎🍎

TensorRT8. Unterstützt Yolov5n,s,m,l,x. darknet -> tensorrt. Yolov4 und Yolov3 verwenden rohe darknet *.weights- und *.cfg-Dateien. Wenn der Wrapper für Sie nützlich ist, geben Sie ihm bitte einen Stern.

TensorRT für die YOLO-Serie (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5) mit Unterstützung für NMS-Plugins

MetaSeg: Verpackte Version des Segment Anything-Repositories

YOLOv8-Gesichtserkennung mit Landmarken

yolort ist ein Laufzeit-Stack für yolov5 auf spezialisierten Beschleunigern wie TensorRT, LibTorch, ONNXRuntime, TVM und NCNN.

GUI zum Markieren von Bounding Boxes von Objekten in Bildern für das Training des YOLO-Neuralnetzwerks

Schnelle Echtzeit-Objekterkennung mit hochauflösender Ausgabe https://x.com/_akhaliq/status/1840213012818329826 https://x.com/githubprojects/status/1891370506537910724 https://www.threads.net/@githubprojects/post/DGKdoE4zdUX

Lesbareres und flexibleres yolov5 mit mehr Backbones (gcn, resnet, shufflenet, mobilenet, efficientnet, hrnet, swin-transformer etc.) sowie (cbam, dcn etc.) und TensorRT