#目标检测

models

飞桨开源模型库提供经过实践验证的主流模型，支持语义理解、图像分类、目标检测等场景，助力企业低成本开发和快速集成。模型库根据国内企业研发流程定制，广泛应用于能源、金融、工业、农业等领域，包含超过600个官方模型和260个生态模型。

boxmot

BoxMOT项目提供可插拔的多对象跟踪模块，支持分割、目标检测和姿态估计。提供适用于各种硬件配置的跟踪方法，包括CPU和GPU。兼容多种ReID模型及Yolov8、Yolo-NAS、YOLOX等目标检测模型，并通过快速实验脚本提高实验效率。

paper2gui

Paper2GUI是一个为普通用户设计的AI驱动桌面应用工具箱，支持Windows、Mac和Linux系统。提供40+ AI模型，覆盖AI绘画、语音合成、视频补帧等多种功能。用户可享受免安装、即开即用的便捷体验，特别适用于希望轻松利用AI技术的生产力用户。

ultralytics

Ultralytics的YOLOv8是一款前沿对象识别模型，提供了与前代产品相比更优化的特性。适用于对象检测、跟踪、实例分割和图像分类等多种应用场景，其高速准确性和用户友好性使其成为AI领域开发者的优选。更多细节，请参阅官方文档或参与Discord社区互动。

yolov3

YOLOv3是Ultralytics公司开发的开源视觉AI技术，汇集了广泛的研究和丰富经验。平台包含详尽的文档和教程，支持社区讨论，简化学习和实施过程。此技术因其出色性能和易用性，在全球范围内被广泛采用，帮助用户迅速部署并有效训练模型。

deep_learning_object_detection

本项目汇总自2014年以来的目标检测相关深度学习研究论文，含最新论文、代码实现及性能数据。资源周期性更新，旨在为开发者和研究人员提供有价值的信息参考，帮助掌握领域前沿技术与动态。

DAMO-YOLO

DAMO-YOLO, 阿里巴巴DAMO实验室的先进对象检测技术，基于YOLO系列和嵌入包括神经网络架构搜索及轻量级算法在内的多项新技术，以优化性能和效率。针对广泛行业场景，提供一站式解决方案，从训练到部署全面支持。

awesome-yolo-object-detection

提供YOLO目标检测的全面资源汇编。包含官方以及多个针对特殊任务或硬件的优化版本，涵盖YOLOv1至YOLOv7等系列。项目中还包括丰富的学习资源、应用示例及工具，为学者和开发者提供了解及使用YOLO技术的优质资料。

tensorflow-yolov3

本文介绍了使用TensorFlow 2.0实现YOLOv3目标检测的方法，包括快速入门、训练自定义数据集和在VOC数据集上的评估。提供详细的代码示例和步骤说明，帮助开发者轻松训练和应用目标检测模型。文中附有中文博客链接，提供更多学习资源。