image-classification

Ultralytics YOLO26、YOLO11、YOLOv8 — 目标检测、实例分割、语义分割、图像分类、姿态估计、目标追踪

Ultralytics YOLOv5（基于 PyTorch）用于目标检测、实例分割、分类、训练与导出

最大规模的 PyTorch 图像编码器/骨干集合，包含训练、评估、推理、导出脚本与预训练权重——ResNet、ResNeXT、EfficientNet、NFNet、Vision Transformer (ViT)、MobileNetV4、MobileNet-V3 & V2、RegNet、DPN、CSPNet、Swin Transformer、MaxViT、CoAtNet、ConvNeXt 等

Label Studio 是一款多类型数据标注与注释工具，具标准化输出格式

Vision Transformer 的实现，一种仅使用单一 transformer 编码器即可在视觉分类中达到 SOTA 的简易方法，使用 Pytorch 实现

Computer Vision Annotation Tool（CVAT）是构建高质量视觉数据集的领先平台，支持图像、视频与 3D 标注，提供开源、云端与企业版产品，以及标注服务，具备 AI 辅助标注、质量保证、团队协作、分析与开发者 API。

这是「Swin Transformer：使用移位窗口的层级视觉 Transformer」的官方实现。

先进的 AI 可解释性工具，支持计算机视觉的 CNN、Vision Transformers、分类、目标检测、分割、图像相似度等。

cvpr2024/cvpr2023/.../cvpr2017 论文/代码/解读/直播合集，极市团队整理

精炼高质量数据集与视觉 AI 模型

X-AnyLabeling：轻量、高效、统一的跨平台桌面标注应用，支持文字、图像、视频与多模态数据，结合多功能内置工具、最先进 AI 模型与灵活多格式导出

卫星与航拍影像深度学习技术

[CVPR 2024 Oral] InternVL Family：一个先驱性的开源替代 GPT-4o 的多模态对话模型，接近 GPT-4o 的表现

计算机视觉的最佳实践、代码示例与文档

收录最先进计算机视觉模型与技术的教程集合，涵盖从 ResNet 等基础架构到 RF-DETR、YOLO11、SAM 3、Qwen3-VL 等前沿模型。

体验、学习并编写最新突破性创新，使用 Microsoft AI。

Gluon CV Toolkit

一个由 PaddlePaddle 驱动的视觉分类与识别宝箱

在cifar100上实现（ResNet、DenseNet、VGG、GoogleNet、InceptionV3、InceptionV4、Inception-ResNetv2、Xception、Resnet In Resnet、ResNext、ShuffleNet、ShuffleNetv2、MobileNet、MobileNetv2、SqueezeNet、NasNet、Residual Attention Network、SENet、WideResNet）

OpenMMLab 预训练工具箱与基准测试

一个通过重复使用 TensorFlow 模型部分内容来进行迁移学习的库。

加速深度学习研发

深度学习网络训练沙盒

AI 路线图：机器学习（Machine Learning）、深度学习（Deep Learning）、对抗神经网络（GAN）、图神经网络（GNN）、NLP、大数据相关发展路线图（roadmap），并附海量源码（Python、PyTorch）带大家消化基本知识点，突破面试，完成从新手到合格工程师的跨越，其中深度学习相关论文附有 TensorFlow、Caffe 官方源码，应用部分含推荐算法和知识图谱

基于 CV 模型与 mLLM 的跨平台视频结构化（视频分析）框架

无需标注即可进行推理的图片集（使用基础模型来训练监督式模型）。

适用于 Torch 和 TensorRT 的深度学习服务器与 CLI

处理所有非结构化数据，例如以图搜图、语音搜索、分子搜索、视频分析、问答系统、NLP 等

适用于 ailia SDK 的预训练最先进 AI 模型集合

使用 JavaScript 与 HTMLCanvas 进行裸露检测。