object-detection

Ultralytics YOLO26, YOLO11, YOLOv8 — phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại hình ảnh, ước lượng tư thế, theo dõi đối tượng

Ultralytics YOLOv5 trong PyTorch dùng để phát hiện đối tượng, phân đoạn thực thể, phân loại, đào tạo và xuất.

Chúng tôi viết các công cụ thị giác máy tính có thể tái sử dụng cho bạn. 💜

LocalAI là công cụ AI mã nguồn mở. Chạy mọi mô hình - LLM, thị giác, giọng nói, hình ảnh, video - trên mọi phần cứng. Không cần GPU.

Hệ thống NVR tích hợp phát hiện đối tượng cục bộ thời gian thực cho camera IP

Bộ công cụ và điểm chuẩn phát hiện OpenMMLab

Học sâu cho xử lý ảnh bao gồm phân loại và phát hiện đối tượng, v.v.

Mask R-CNN dùng cho phát hiện đối tượng và phân đoạn cá thể trên Keras và TensorFlow

Bộ sưu tập các bài báo và dự án mã nguồn mở CVPR 2026

Computer Vision Annotation Tool (CVAT) là nền tảng hàng đầu để xây dựng các tập dữ liệu trực quan chất lượng cao cho thị giác AI. Nó cung cấp các sản phẩm mã nguồn mở, đám mây và doanh nghiệp, cũng như các dịch vụ gán nhãn, dành cho việc chú thích hình ảnh, video và 3D với tính năng gán nhãn hỗ trợ bởi AI, đảm bảo chất lượng, cộng tác nhóm, phân tích và API dành cho nhà phát triển.

Đây là bản cài đặt chính thức cho "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".

Bộ công cụ phát hiện đối tượng dựa trên PaddlePaddle. Nó hỗ trợ phát hiện đối tượng, phân đoạn thực thể, theo dõi nhiều đối tượng và phát hiện điểm đặc trưng nhiều người theo thời gian thực.

Khả năng giải thích AI nâng cao cho thị giác máy tính. Hỗ trợ CNN, Vision Transformers, Phân loại, Phát hiện đối tượng, Phân đoạn, Độ tương tự hình ảnh và nhiều tính năng khác.

Bộ sưu tập bài báo, mã nguồn, giải thích và phát trực tiếp CVPR 2024/2023/2022/2021/2020/2019/2018/2017, được tổng hợp bởi nhóm ExtremeMart

Danh sách tài liệu về phát hiện đối tượng sử dụng deep learning.

Tinh chỉnh các tập dữ liệu chất lượng cao và mô hình AI trực quan

ML nhanh và chính xác chỉ trong 3 dòng code

Bản cài đặt PyTorch của YOLOv3, YOLOv3-SPP và YOLOv3-tiny dùng để phát hiện đối tượng thời gian thực với tính năng huấn luyện, xác thực, suy luận và xuất ra nhiều định dạng.

YOLOX là một mô hình YOLO không mỏ neo (anchor-free) hiệu suất cao, vượt trội hơn yolov3~v5 với sự hỗ trợ của MegEngine, ONNX, TensorRT, ncnn và OpenVINO. Tài liệu: https://yolox.readthedocs.io/

[ECCV 2024] Triển khai chính thức của bài báo "Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection"

X-AnyLabeling: Một ứng dụng desktop đa nền tảng gọn nhẹ, hiệu quả và thống nhất để chú thích văn bản, hình ảnh, video và dữ liệu đa phương thức, kết hợp các công cụ tích hợp linh hoạt với các mô hình AI tiên tiến và khả năng xuất đa định dạng linh hoạt.

Các kỹ thuật học sâu với hình ảnh vệ tinh và trên không

Các thực hành tốt nhất, mẫu mã nguồn và tài liệu về Computer Vision.

Bộ sưu tập các hướng dẫn về các mô hình và kỹ thuật thị giác máy tính tiên tiến nhất. Khám phá mọi thứ từ các kiến trúc nền tảng như ResNet đến các mô hình tối tân như RF-DETR, YOLO11, SAM 3 và Qwen3-VL.

RF-DETR là kiến trúc mô hình phân đoạn và phát hiện đối tượng thời gian thực do Roboflow phát triển, đạt chuẩn SOTA trên COCO, được thiết kế để tinh chỉnh. [ICLR 2026]

Hướng dẫn Hello AI World về cách triển khai mạng suy luận học sâu và các nguyên thủy thị giác sâu với TensorRT và NVIDIA Jetson.

Một thư viện python được xây dựng nhằm trao quyền cho các nhà phát triển xây dựng các ứng dụng và hệ thống có khả năng Thị giác Máy tính khép kín

Trải nghiệm, học hỏi và lập trình các đổi mới đột phá mới nhất với Microsoft AI

Nền tảng thế hệ tiếp theo của OpenMMLab dành cho phát hiện đối tượng 3D tổng quát.

NanoDet-Plus⚡Mô hình phát hiện vật thể không mỏ neo siêu nhanh và nhẹ. 🔥Chỉ 980 KB(int8) / 1.8MB (fp16) và chạy 97FPS trên điện thoại🔥