image-classification

Ultralytics YOLO26, YOLO11, YOLOv8 — deteksi objek, segmentasi instans, segmentasi semantik, klasifikasi gambar, estimasi pose, pelacakan objek.

Ultralytics YOLOv5 dalam PyTorch untuk deteksi objek, segmentasi instans, klasifikasi, pelatihan, dan ekspor.

Koleksi encoder / backbone gambar PyTorch terlengkap. Termasuk skrip untuk pelatihan, evaluasi, inferensi, ekspor, dan bobot pretrained -- ResNet, ResNeXT, EfficientNet, NFNet, Vision Transformer (ViT), MobileNetV4, MobileNet-V3 & V2, RegNet, DPN, CSPNet, Swin Transformer, MaxViT, CoAtNet, ConvNeXt, dan lainnya.

Label Studio adalah alat pelabelan dan anotasi data multi-tipe dengan format output terstandarisasi.

Implementasi Vision Transformer, cara sederhana untuk mencapai SOTA dalam klasifikasi visi hanya dengan satu encoder transformer, di Pytorch

Computer Vision Annotation Tool (CVAT) adalah platform terkemuka untuk membangun dataset visual berkualitas tinggi untuk AI visi. Menawarkan produk open-source, cloud, dan enterprise, serta layanan pelabelan untuk anotasi gambar, video, dan 3D dengan bantuan AI, jaminan kualitas, kolaborasi tim, analitik, dan API pengembang.

Ini adalah implementasi resmi untuk "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".

Penjelasan AI tingkat lanjut untuk visi komputer. Mendukung CNN, Vision Transformers, Klasifikasi, deteksi Objek, Segmentasi, kesamaan Gambar, dan banyak lagi.

Koleksi makalah/kode/interpretasi/siaran langsung CVPR 2017-2024, disusun oleh tim Extreme-Vision.

Menyempurnakan dataset berkualitas tinggi dan model AI visual

X-AnyLabeling: Aplikasi desktop lintas platform yang ringan, efisien, dan terpadu untuk menganotasi data teks, gambar, video, dan multimodal, menggabungkan alat bawaan yang serbaguna dengan model AI mutakhir serta ekspor multi-format yang fleksibel.

Teknik pembelajaran mendalam dengan citra satelit & udara

[CVPR 2024 Oral] Keluarga InternVL: Alternatif Open-Source Perintis untuk GPT-4o. Model dialog multimodal open-source dengan performa mendekati GPT-4o

Praktik terbaik, contoh kode, dan dokumentasi untuk Computer Vision.

Kumpulan tutorial tentang model dan teknik computer vision mutakhir. Jelajahi segalanya mulai dari arsitektur dasar seperti ResNet hingga model canggih seperti RF-DETR, YOLO11, SAM 3, dan Qwen3-VL.

Rasakan, Pelajari, dan Buat Kode inovasi terobosan terbaru dengan Microsoft AI

Gluon CV Toolkit

Peti harta karun untuk klasifikasi dan pengenalan visual yang didukung oleh PaddlePaddle

Latihan pada cifar100 (ResNet, DenseNet, VGG, GoogleNet, InceptionV3, InceptionV4, Inception-ResNetv2, Xception, Resnet In Resnet, ResNext, ShuffleNet, ShuffleNetv2, MobileNet, MobileNetv2, SqueezeNet, NasNet, Residual Attention Network, SENet, WideResNet)

Kotak Alat Pra-pelatihan dan Tolok Ukur OpenMMLab

Pustaka untuk transfer learning dengan menggunakan kembali bagian dari model TensorFlow.

R&D deep learning yang dipercepat

Sandbox untuk melatih jaringan deep learning.

Peta Jalan AI: Pembelajaran Mesin (Machine Learning), Pembelajaran Mendalam (Deep Learning), Jaringan Musuh Generatif (GAN), Jaringan Saraf Grafik (GNN), NLP, peta jalan pengembangan terkait Big Data, disertai dengan kode sumber masif (python, pytorch) untuk membantu Anda memahami poin pengetahuan dasar, melewati wawancara, dan menyelesaikan transisi dari pemula ke insinyur yang kompeten, di mana makalah pembelajaran mendalam disertai dengan kode sumber resmi tensorflow caffe, dan bagian aplikasi berisi algoritma rekomendasi dan knowledge graph

Kerangka kerja penstrukturan video (analisis video) lintas platform berbasis model CV & mLLM.

Gambar untuk inferensi tanpa pelabelan (menggunakan model dasar untuk melatih model terawasi).

Server Pembelajaran Mendalam dan CLI untuk Torch dan TensorRT.

Menangani semua data tidak terstruktur, seperti pencarian gambar terbalik, pencarian audio, pencarian molekuler, analisis video, sistem tanya jawab, NLP, dll.

Koleksi model AI mutakhir yang telah dilatih sebelumnya untuk ailia SDK

Deteksi ketelanjangan dengan JavaScript dan HTMLCanvas.