yolo

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. 💜

Bộ công cụ và điểm chuẩn phát hiện OpenMMLab

Label Studio là một công cụ gán nhãn và chú thích dữ liệu đa loại với định dạng đầu ra chuẩn hóa

OpenVINO™ là bộ công cụ mã nguồn mở để tối ưu hóa và triển khai suy luận AI

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/

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.

BoxMOT: Các mô-đun theo dõi đa đối tượng SOTA bằng Python và C++ có thể cắm vào, hỗ trợ hộp bao quanh định hướng và song song với trục

Gói Go cho thị giác máy tính sử dụng OpenCV 4 trở lên. Bao gồm hỗ trợ cho DNN, CUDA, OpenCV Contrib và OpenVINO.

YOLOv6: framework phát hiện đối tượng một giai đoạn dành riêng cho các ứng dụng công nghiệp.

Dự án tốt cho tuyển dụng trường, thu đông, xuân và thực tập! Hướng dẫn bạn tự tay triển khai thư viện suy luận deep learning hiệu suất cao từ con số không, hỗ trợ suy luận các mô hình lớn như llama2, Unet, Yolov5, Resnet, v.v.

Hộp công cụ và chuẩn đánh giá dòng OpenMMLab YOLO. Đã triển khai RTMDet, RTMDet-Rotated, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOX, PPYOLOE, v.v.

Phần mềm NVR và Thị giác máy tính AI tự lưu trữ, chỉ chạy cục bộ. Với các tính năng như phát hiện đối tượng, phát hiện chuyển động, nhận diện khuôn mặt và nhiều tính năng khác, giúp bạn giám sát ngôi nhà, văn phòng hoặc bất kỳ nơi nào bạn muốn.

Gắn nhãn dữ liệu hỗ trợ bởi AI một cách dễ dàng với sự hỗ trợ từ YOLO, Segment Anything (SAM+SAM2/2.1+SAM3), MobileSAM!!

Bản cài đặt PyTorch của thuật toán phát hiện đối tượng YOLO v3

DAMO-YOLO: một phương pháp phát hiện đối tượng nhanh và chính xác với một số công nghệ mới, bao gồm NAS backbones, RepGFPN hiệu quả, ZeroHead, AlignedOTA và cải tiến chưng cất.

mean Average Precision - Mã nguồn này đánh giá hiệu suất của mạng neural cho tác vụ nhận diện đối tượng.

🔥🔥🔥 Tập trung vào các mô hình cải tiến YOLO11, YOLOv8, TYOLOv12, YOLOv10, RT-DETR,YOLOv7, YOLOv5, hỗ trợ cải tiến backbone, neck, head, loss, IoU, NMS và các module khác🚀

Dựa trên YOLOv5 Head Person Helmet Detection tại các công trường xây dựng, hệ thống nhận diện mũ bảo hiểm và khu vực nguy hiểm cấm vào, 🚀😆 kèm theo hướng dẫn chi tiết siêu cấp để huấn luyện tập dữ liệu của riêng bạn với YOLOv5 🚀😆 Bổ sung giao diện trực quan vào tháng 3 năm 2021 ❗❗

YoloV3 được cài đặt bằng Tensorflow 2.0

Các hướng dẫn Jupyter Notebook về giải quyết vấn đề thực tế bằng Machine Learning và Deep Learning sử dụng PyTorch. Các chủ đề: Nhận diện khuôn mặt với Detectron 2, Phát hiện bất thường chuỗi thời gian với LSTM Autoencoders, Phát hiện đối tượng với YOLO v5, Xây dựng mạng neural đầu tiên, Dự báo chuỗi thời gian cho ca nhiễm Coronavirus hàng ngày, Phân tích cảm sentiment với BERT

🥂 Vượt qua thử thách hCaptcha một cách uyển chuyển bằng mô hình ngôn ngữ lớn đa phương thức.

YOLO ROS: Nhận diện đối tượng thời gian thực cho ROS

Trình theo dõi đối tượng đa luồng (Multiple Object Tracker), dựa trên thuật toán Hungarian + bộ lọc Kalman.

YOLO5Face: Tại sao phải chế tạo lại bộ phát hiện khuôn mặt (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)

🛡️ Danh sách tất cả huy hiệu hồ sơ và cách để nhận được từng huy hiệu 🛡️

Triển khai NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 cho các mô hình YOLO

Scaled-YOLOv4: Mở rộng Cross Stage Partial Network