object-detection

Framework de compression de réseaux de neurones pour une inférence OpenVINO™ optimisée.

MLKit est une boîte à outils puissante et facile à utiliser. Elle permet d'implémenter facilement la reconnaissance de texte, de codes-barres, l'étiquetage d'images, la détection de visages et d'objets.

[CVPR2024 Highlight] GLEE : Modèle de fondation d'objets général pour les images et les vidéos à grande échelle.

Métriques de détection d'objets. 14 métriques incluant la précision moyenne (mAP), le rappel moyen (AR) et la précision moyenne spatio-temporelle (STT-AP). Supporte divers formats de boîtes englobantes comme COCO, PASCAL, Imagenet, etc.

Série VisionLLM

Grounding DINO 1.5 : la série de modèles de détection d'objets en monde ouvert la plus performante d'IDEA Research

[CVPR2023] Dépôt officiel d'OC-SORT : Observation-Centric SORT pour le suivi multi-objets vidéo. OC-SORT est simple, en ligne et robuste face aux occlusions et aux mouvements non linéaires.

Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 pour ROS 2.

La plateforme moderne, axée sur le local, pour la vidéosurveillance professionnelle.

Élagage de canaux pour l'accélération de réseaux de neurones très profonds (ICCV'17)

Microsoft AI for Good Lab — Hub de recherche sur la biodiversité. Modèles d'IA open source, appareils edge et outils pour la surveillance et la conservation de la biodiversité. Inclut MegaDetector, SPARROW, PytorchWildlife, Bioacoustics, et plus encore.

Framework Python facilitant le développement rapide d'applications complexes d'analyse vidéo et de traitement en série dans un environnement multiprocessus.

Implémentation agnostique au framework pour des méthodes de saillance de pointe (XRAI, BlurIG, SmoothGrad, et plus).

Boîte à outils de perception pour l'entraînement et la validation sim2real dans Unity

Apprenez le deep learning avec tensorflow 2.0, keras et python grâce à cette série de tutoriels complète. Apprenez le deep learning à partir de zéro.

MetaSeg : Version packagée du dépôt Segment Anything

CodeProject.AI Server est un service autonome que les développeurs de logiciels peuvent inclure et distribuer avec leurs applications afin de les enrichir grâce à la puissance de l'IA.

Une liste d'articles sur des travaux récents en vision par ordinateur (CV)

Code pour la détection d'objets 3D destinée à la conduite autonome

Apprentissage semi-supervisé, détection d'objets, ICCV2021.

[ICLR 2024] Implémentation PyTorch officielle de FasterViT : Vision Transformers rapides avec attention hiérarchique

Boîte à outils d'algorithmes d'IA hors ligne gratuite pour Java, prenant en charge la reconnaissance faciale, la détection de vivant, la reconnaissance d'expressions, la détection d'objets, la segmentation d'instances, la détection de piétons, l'OCR, la reconnaissance de plaques d'immatriculation, la reconnaissance de tableaux, ASR+TTS, la traduction automatique, etc. Utilisable via Maven. Supporte PyTorch et Tensorflow, avec intégration de modèles tels que Mtcnn, InsightFace, SeetaFace6, YOLOv8~v12, PaddleOCR (PPOCRv5) et Whisper.

[ICLR2022] Implémentation officielle de UniFormer.

À propos : cette collection rassemble les articles les plus passionnants et influents de la CVPR 2025. 🔥 [Article + Code + Démo]

Un framework de vision par ordinateur agnostique, connectable à toute bibliothèque d'entraînement : Fastai, Pytorch-Lightning et d'autres à venir

Algorithme de détection de cible sans ancrage ultra-léger nouvellement conçu, avec seulement 250K paramètres, réduisant la consommation de temps de 10 % par rapport à yolo-fastest, avec un post-traitement simplifié.

Framework de vision par ordinateur et d'analyse vidéo en Python avec fonctionnalités intégrées

Un framework de vision par ordinateur open-source pour créer et déployer des applications en quelques minutes.

Framework de détection d'objets Darknet/YOLO

Implémentation tierce de l'article Grounding DINO : Marrying DINO with Grounded Pre-Training for Open-Set Object Detection.