object-detection

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

我们为您编写可重用的计算机视觉工具。💜

LocalAI 为开源 AI 引擎，可在任何硬件上运行任意模型（LLM、视觉、语音、图像、视频），无需 GPU

NVR with realtime local object detection for IP cameras

OpenMMLab 检测工具箱与基准测试

深度学习用于图像处理，包括分类和目标检测等。

Mask R-CNN 用于 Keras 与 TensorFlow 的目标检测与实例分割

CVPR 2026 论文与开源项目汇总

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。

基于 PaddlePaddle 的目标检测工具包。支持目标检测、实例分割、多目标跟踪和实时多人关键点检测。

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

使用深度学习的目标检测论文列表

精炼高质量数据集与视觉 AI 模型

三行代码即可实现快速且准确的机器学习。

YOLOX 是高性能的无锚 YOLO，搭配 MegEngine、ONNX、TensorRT、ncnn 与 OpenVINO，性能超越 yolov3~v5。文档：https://yolox.readthedocs.io/

PyTorch 版 YOLOv3、YOLOv3-SPP 与 YOLOv3-tiny 的实时目标检测实现，支持训练、验证、推理与多格式导出

[ECCV 2024] 论文「Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection」的官方实现

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

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。

RF-DETR 为 Roboflow 开发的实时目标检测与分割模型架构，在 COCO 上达到 SOTA，设计用于微调。[ICLR 2026]

Hello AI World：部署深度学习推理网络与深度视觉原语的指南，使用 TensorRT 与 NVIDIA Jetson

提供自包含计算机视觉功能的 Python 库，帮助开发者构建应用与系统

体验、学习并编写最新突破性创新，使用 Microsoft AI。

OpenMMLab 的下一代通用 3D 目标检测平台

基于 PaddlePaddle 的全功能开发工具