yolov3

Boîte à outils de détection d'objets basée sur PaddlePaddle. Elle prend en charge la détection d'objets, la segmentation d'instances, le suivi d'objets multiples et la détection de points clés multi-personnes en temps réel.

Implémentation de l'article YOLOv7 : les ensembles de 'bag-of-freebies' entraînables établissent un nouvel état de l'art pour les détecteurs d'objets en temps réel.

YOLOX est un modèle YOLO haute performance sans ancres, surpassant yolov3~v5 avec prise en charge de MegEngine, ONNX, TensorRT, ncnn et OpenVINO.

Implémentation PyTorch de YOLOv3, YOLOv3-SPP et YOLOv3-tiny pour la détection d'objets en temps réel, incluant l'entraînement, la validation, l'inférence et l'exportation multi-format.

Implémentation de réseaux de deep learning populaires avec l'API de définition de réseau TensorRT.

Implémentation de YOLOv4 en PyTorch, ONNX et TensorRT

Code TensorFlow pour le rapport technique : "YOLOv3: An Incremental Improvement".

Une implémentation PyTorch de l'algorithme de détection d'objets YOLO v3.

Suivi d'objets multiples (MOT) utilisant DeepSORT et YOLOv3 avec PyTorch.

🔥🔥🔥 Modèles améliorés axés sur YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR, YOLOv7 et YOLOv5, avec prise en charge de l'amélioration du backbone, du neck, de la head, de la perte, de l'IoU, du NMS et d'autres modules🚀

Implémentation de YoloV3 en Tensorflow 2.0.

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

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

Collaboration avec wangxupeng (https://github.com/wangxupeng).

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

TensorRT pour YOLOv8, YOLOv8-Pose, YOLOv8-Seg, YOLOv8-Cls, YOLOv7, YOLOv6, YOLOv5, YOLONAS. CUDA est tout ce dont vous avez besoin.

Suivi d'objets multiples haute performance basé sur YOLO, Deep SORT et KLT

Support de TensorRT 8 pour Yolov5n, s, m, l, x. Conversion de Darknet vers TensorRT. Yolov4 et Yolov3 utilisent les fichiers *.weights et *.cfg natifs de Darknet.

TensorRT pour la série YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), avec prise en charge du plugin NMS.

Commentaires de projets, reproduction d'articles, compétitions d'algorithmes, pratique PyTorch, LeetCode et pré-entraînement VLM

Interface graphique pour annoter des boîtes englobantes d'objets dans des images pour l'entraînement du réseau de neurones YOLO

Suiveurs multi-objets en Python

Yolov5 plus lisible et flexible avec davantage de backbones (gcn, resnet, shufflenet, mobilenet, efficientnet, hrnet, swin-transformer, etc.) et de modules (cbam, dcn, etc.), ainsi que TensorRT

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. 🚀🚀🚀

Création d'un logiciel de surveillance automatique pour la proctoring en ligne

Implémentation de YOLOv3 dans TensorFlow 2.3.1.

Convertir un modèle mmdetection en tensorrt, prend en charge fp16, int8, l'entrée par lot, la forme dynamique, etc.