yolo

Entraînez un détecteur d'objets yolov3 de pointe à partir de zéro !

🚀🚀🚀 Implémentation de la série YOLO dans PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet et ainsi de suite. 🚀🚀🚀

Logos partagés, médias, images d'exemple, poids de modèles pré-entraînés, artéfacts de datasets et ressources de versions d'Ultralytics.

Reconnaissance de captcha à curseur simple/multiple encoches, installation via pip, déploiement possible d'API en local ou sur serveur

Outil de génération de données d'entraînement ML basé sur la vision par ordinateur :rocket:

Implémentation de YOLOv3 dans TensorFlow 2.3.1.

Un framework ouvert pour simuler et déployer des essaims de drones PX4/ArduPilot basés sur la perception avec ROS2, YOLO, LiDAR, NVIDIA Jetson

🚀 Une solution de détection d'objets en temps réel haute performance utilisant YOLO11 ⚡️ propulsée par ONNX-Runtime

Bibliothèque Python pour la détection de petits objets et la segmentation d'instances avec YOLO

RectLabel est un outil d'annotation d'images hors ligne pour la détection et la segmentation d'objets.

YOLO SHOW - Interface graphique basée sur Pyside6 pour YOLOv11 / YOLOv10 / YOLOv9 / YOLOv8 / YOLOv7 / YOLOv5 / RTDETR / SAM / MobileSAM / FastSAM

dddmr_navigation est une solution de navigation 3D pour robots mobiles incluant la cartographie, la localisation, la perception, la planification de trajectoire, le contrôleur et la pile de navigation.

Un détecteur d'objets sans ancres en temps réel à la périphérie avec des performances décentes

🧠 Recherche en ingénierie de contexte - Pas juste une autre collection d'agents, mais l'utilisation de la recherche et de l'ingénierie de contexte pour fonctionner comme un collectif. Coordination en étoile via Claude Code.

YOLO Magic🪄 est une extension basée sur YOLOv5 d'Ultralytics, conçue pour offrir des fonctionnalités plus puissantes et des opérations simplifiées pour les tâches visuelles

Application iOS et package Swift Ultralytics YOLO pour l'inférence Core ML en temps réel sur les principales tâches de vision par ordinateur.