yolov8

Ultralytics YOLO26, YOLO11, YOLOv8 — détection d'objets, segmentation d'instances, segmentation sémantique, classification d'images, estimation de pose, suivi d'objets.

Une collection de tutoriels sur les modèles et techniques de vision par ordinateur de pointe. Explorez tout, des architectures fondamentales comme ResNet aux modèles de pointe comme RF-DETR, YOLO11, SAM 3 et Qwen3-VL.

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

Une boîte à outils IA légère en C++ : plus de 100 modèles avec MNN, ORT et TRT, incluant la détection, la segmentation, Stable-Diffusion et Face-Fusion.

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

Étiquetage de données assisté par IA sans effort, avec le support de YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) et MobileSAM.

🔥🔥🔥 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🚀

Inférence d'images sans étiquetage (utilisation de modèles de fondation pour entraîner des modèles supervisés).

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

Bibliothèque d'inférence légère pour fichiers ONNX, écrite en C++. Elle peut exécuter Stable Diffusion XL 1.0 sur un RPI Zero 2 (ou avec 298 Mo de RAM), ainsi que Mistral 7B sur ordinateurs et serveurs. Supporte ARM, x86, WASM et RISC-V. Accélérée par XNNPACK. Bindings Python, C# et JS (WASM) disponibles.

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

YOLOv8 utilisant l'accélération TensorRT !

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

Second œil universel pour les joueurs en situation de handicap (Aide à la visée IA universelle (AI Aimbot) - ONNX/YOLOv8 - C#).

Programme d'automatisation pour Blue Archive prenant en charge les combats tactiques par axe, la résolution de puzzles et compatible avec la version Steam.

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

YoloSide - Interface graphique YOLOv8 basée sur PySide6

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

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

Aim-bot basé sur l'IA pour tous les jeux de tir à la première personne (FPS).

MetaSeg : Version packagée du dépôt Segment Anything

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.

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

Détection de visages avec points de repère basée sur YOLOv8.

YoloDotNet - Un projet C# .NET 8.0 pour la classification, la détection d'objets, la détection OBB, la segmentation et l'estimation de pose dans les images et les flux vidéo en direct.

Implémentation C++ de YOLOv8 avec TensorRT

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

Aim-bot basé sur l'IA pour tous les jeux FPS et TPS.

🚀🚀🚀 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