object-detection

Serveur et interface en ligne de commande (CLI) de Deep Learning pour Torch et TensorRT

Collection d'articles, de jeux de données, de code et d'autres ressources pour le suivi et la détection d'objets par apprentissage profond

Implémentation de YoloV3 en Tensorflow 2.0.

Tutoriels Jupyter Notebook sur la résolution de problèmes réels avec le Machine Learning et le Deep Learning en utilisant PyTorch. Sujets : détection de visages avec Detectron 2, détection d'anomalies de séries temporelles avec des auto-encodeurs LSTM, détection d'objets avec YOLO v5, création de votre premier réseau de neurones, prévision de séries temporelles pour les cas quotidiens de coronavirus, analyse de sentiment avec BERT

Détection légère de nudité

YOLO ROS : Détection d'objets en temps réel pour ROS.

Transformez n'importe quel ordinateur ou appareil périphérique en centre de commande pour vos projets de vision par ordinateur.

Collection de modèles d'IA pré-entraînés à la pointe de la technologie pour le SDK ailia.

Une extension d'Open3D pour traiter les tâches d'apprentissage automatique 3D

detrex est une plateforme de recherche pour la détection d'objets, la segmentation, l'estimation de pose et d'autres tâches de reconnaissance visuelle basées sur DETR.

Collection de papiers et projets open-source de l'ECCV 2026. Les contributions via issue pour partager des travaux liés à l'ECCV 2026 sont les bienvenues.

Implémentation de YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny en Tensorflow 2.0 et Android. Conversion de poids YOLO v4 vers tensorflow, tensorrt et tflite

Une bibliothèque et un framework open source pour l'apprentissage profond sur l'imagerie satellite et aérienne.

[CVPR 2025] Implémentation PyTorch officielle de MambaVision : une architecture de vision hybride Mamba-Transformer.

Implémentation du 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 pour les modèles YOLO.

Scaled-YOLOv4 : mise à l'échelle du réseau Cross Stage Partial

[DEIMv2] La détection d'objets en temps réel rencontre DINOv3.

Une boîte à outils tout-en-un pour la vision par ordinateur

Un serveur de gestion de photos moderne basé sur le web. Hébergez-le sur votre serveur domestique pour retrouver facilement n'importe quelle photo de votre collection depuis n'importe quel appareil. Le filtrage intelligent est rendu possible grâce à la reconnaissance d'objets, la reconnaissance faciale, la géolocalisation, l'analyse des couleurs et d'autres algorithmes de ML.

fastdup est un outil gratuit et puissant conçu pour générer rapidement des insights à partir de jeux de données d'images et de vidéos. Il améliore la qualité des données et des étiquettes tout en réduisant les coûts opérationnels, avec une évolutivité inégalée.

Boîte à outils de déploiement YOLO plus simple et plus rapide pour NVIDIA

Zoo de modèles Core ML pour iOS/macOS — modèles PyTorch convertis en .mlpackage prêts à l'emploi, chacun avec un script de conversion et une application exemple SwiftUI. Les dépôts associés couvrent le framework Core AI d'Apple et les LLM sur appareil.

Ensemble de méthodes pour combiner les boîtes englobantes de différents modèles de détection d'objets, incluant l'implémentation de la méthode Weighted boxes fusion (WBF).

TensorRT pour MODNet, YOLOv4, YOLOv3, SSD, MTCNN et GoogLeNet.

🚀🚀🚀 Une collection de projets publics exceptionnels de la série de détection d'objets YOLO et des jeux de données de détection d'objets associés.

Méthode déclarative pour exécuter des modèles d'IA sur appareil dans React Native, propulsée par ExecuTorch.

Implémentation de YOLOv13 : détection d'objets en temps réel avec perception visuelle adaptative améliorée par hypergraphe.

Suivi et collecte d'articles, projets et autres ressources liés à Segment Anything.

Dépôt PyTorch pour YOLOv4, attentive YOLOv4 et mobilenet YOLOv4 avec PASCAL VOC et COCO.

Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, réglage fin et distillation.