object-detection

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.

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

LocalAI adalah mesin AI sumber terbuka. Jalankan model apa pun - LLM, visi, suara, gambar, video - di perangkat keras apa pun. Tidak memerlukan GPU.

NVR dengan deteksi objek lokal waktu nyata untuk kamera IP

Toolbox dan tolok ukur deteksi OpenMMLab.

deep learning untuk pemrosesan gambar termasuk klasifikasi dan deteksi objek dll.

Mask R-CNN untuk deteksi objek dan segmentasi instance pada Keras dan TensorFlow

Koleksi makalah dan proyek open-source CVPR 2026

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".

Toolkit deteksi objek berbasis PaddlePaddle. Mendukung deteksi objek, segmentasi instans, pelacakan objek ganda, dan deteksi titik kunci multi-orang secara real-time.

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.

Daftar makalah tentang deteksi objek menggunakan deep learning.

Menyempurnakan dataset berkualitas tinggi dan model AI visual

ML Cepat dan Akurat dalam 3 Baris Kode

Implementasi PyTorch dari YOLOv3, YOLOv3-SPP, dan YOLOv3-tiny untuk deteksi objek real-time dengan pelatihan, validasi, inferensi, dan ekspor multi-format.

YOLOX adalah YOLO anchor-free berkinerja tinggi, melampaui yolov3~v5 dengan dukungan MegEngine, ONNX, TensorRT, ncnn, dan OpenVINO. Dokumentasi: https://yolox.readthedocs.io/

[ECCV 2024] Implementasi resmi dari makalah "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"

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

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.

RF-DETR adalah arsitektur model deteksi dan segmentasi objek real-time yang dikembangkan oleh Roboflow, SOTA di COCO, dirancang untuk fine-tuning. [ICLR 2026]

Panduan Hello AI World untuk menerapkan jaringan inferensi deep-learning dan primitif deep vision dengan TensorRT dan NVIDIA Jetson.

Pustaka Python yang dibuat untuk memungkinkan pengembang membangun aplikasi dan sistem dengan kemampuan Computer Vision mandiri

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

Platform generasi berikutnya dari OpenMMLab untuk deteksi objek 3D umum.

NanoDet-Plus⚡Model deteksi objek anchor-free yang super cepat dan ringan. 🔥Hanya 980 KB (int8) / 1.8MB (fp16) dan berjalan pada 97FPS di ponsel🔥