yolov7

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.

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

Boîte à outils et benchmark de la série YOLO d'OpenMMLab. Inclut RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, etc.

🔥🔥🔥 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🚀

YOLO5Face : Pourquoi réinventer un détecteur de visages (ECCV Workshops 2022)

PaddleSlim est une bibliothèque open source pour la compression de modèles profonds et la recherche d'architecture.

BoT-SORT : suivi multi-piétons par associations robustes.

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

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

MetaSeg : Version packagée du dépôt Segment Anything

Détection de visages avec points de repère basée sur YOLOv8.

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

🚀🚀🚀 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. 🚀🚀🚀

Basé sur le projet yolo-high-level (détection/pose/classification/segmentation) : inclut les noyaux yolov5/yolov7/yolov8, la recherche d'améliorations, SwinTransformerV2 et la série Attention. Compétences d'entraînement, personnalisation métier, déploiement d'ingénierie C

Suivi d'objets YOLOv7 utilisant PyTorch, OpenCV et Sort Tracking

Détecteurs, traqueurs et SAM de Computer Vision faciles et modulaires - Exécutez YOLOv9, v8, v7, v6, v5, R, X en moins de 10 lignes de code.

Quantification de type QAT pour modèle YOLO et déploiement avec DeepStream et TensorRT

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