coco

Kami menulis alat visi komputer yang dapat digunakan kembali untuk Anda.

Inferensi terpotong/berpetak yang independen dari framework + antarmuka interaktif + grafik analisis error

:pencil2: Alat segmentasi gambar berbasis web untuk deteksi objek, lokalisasi, dan keypoints.

[CVPR 2023] OneFormer: One Transformer to Rule Universal Image Segmentation

Kerangka kerja tanpa koding berbasis PyTorch untuk studi deep learning yang dapat direproduksi, mencakup berbagai metode knowledge distillation serta model dan log yang telah dilatih

Deteksi objek end-to-end open-vocabulary yang akurat dan real-time

Konverter dataset JSON-to-YOLO lama untuk anotasi COCO, LabelMe, Labelbox, VoTT, INFOLKS, dan ATH. Telah digantikan oleh convert_coco() di paket Ultralytics.

mengonversi dataset ke format coco/voc

Untuk mempercepat dan menyederhanakan proses pelabelan/anotasi gambar dengan berbagai format yang didukung.

[ICLR 2024] Implementasi PyTorch resmi dari FasterViT: Fast Vision Transformers dengan Hierarchical Attention.

Fungsi pembantu untuk membuat dataset COCO

Mendukung PointRend, Fast_SCNN, HRNet, Deeplabv3_plus(xception, resnet, mobilenet), ContextNet, FPENet, DABNet, EdaNet, ENet, Espnetv2, RefineNet, UNet, DANet, HRNet, DFANet, HardNet, LedNet, OCNet, EncNet, DuNet, CGNet, CCNet, BiSeNet, PSPNet, ICNet, FCN, deeplab)

Kerangka Kerja Manajemen Dataset, sebuah pustaka Python dan alat CLI untuk membangun, menganalisis, dan mengelola dataset Computer Vision.

Keras beit, caformer, CMT, CoAtNet, convnext, davit, dino, efficientdet, edgenext, efficientformer, efficientnet, eva, fasternet, fastervit, fastvit, flexivit, gcvit, ghostnet, gpvit, hornet, hiera, iformer, inceptionnext, lcnet, levit, maxvit, mobilevit, moganet, nat, nfnets, pvt, swin, tinynet, tinyvit, uniformer, volo, vanillanet, yolor, yolov7, yolov8, yolox, gpt2, llama2, alias kecam

Alat pembuatan data pelatihan ML berbasis computer vision :rocket:

Deteksi objek pada berbagai dataset dengan ruang label terpadu yang dipelajari secara otomatis.