Project Icon

darknet

开源实时目标检测框架及YOLO算法

Darknet是一个开源神经网络框架,为YOLO实时目标检测系统提供基础。最新的YOLOv7算法在5-160 FPS范围内性能优异,超越了同类检测器。项目支持Linux和Windows平台,提供预训练模型、详细构建指南和命令行操作接口,方便用户进行目标检测、模型训练等任务。

darkflow - 实时物体检测与分类工具,支持多种YOLO模型
GithubYOLOdarkflowobject detectiontensorflow开源项目训练模型
Darkflow是一个用于实时物体检测和分类的开源项目,兼容Python3、Tensorflow、Numpy和OpenCV。用户可以通过pip安装、构建Cython扩展或使用自定义标签进行训练和推理。项目还提供Android演示和支持保存加载protobuf文件,适合跨平台应用。
YOLOv6 - 高性能目标检测框架支持多场景应用
GithubYOLOv6开源项目模型训练深度学习目标检测计算机视觉
YOLOv6是一款高效的目标检测框架,提供从轻量级到大型的多种模型选择。它在速度和精度上取得平衡,支持量化和移动端部署,适用于各种实时检测场景。最新版本还引入了分割功能,扩展了应用范围。YOLOv6不仅适用于工业领域,还可广泛应用于安防、交通等多个领域。
YoloDotNet - 基于C#的Yolov8和Yolov10实时目标检测库
GithubYoloDotNet图像处理对象检测开源项目性能优化深度学习
YoloDotNet是基于.NET 8的C#库,支持Yolov8和Yolov10模型进行实时目标检测。该库集成ML.NET和ONNX运行时,并支持CUDA GPU加速,提供分类、目标检测、OBB检测、分割和姿态估计等功能。YoloDotNet在CPU和GPU上均可高效运行,适用于各种计算机视觉应用场景。
awesome-yolo-object-detection - YOLO目标检测开源项目与资源汇编
GithubYOLO实时检测开源项目机器学习目标检测视觉AI
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。
yolov7 - 实时目标检测算法实现性能新突破
GithubYOLOv7开源项目性能优化深度学习目标检测计算机视觉
YOLOv7是一款高效的实时目标检测算法,在MS COCO数据集上实现了51.4% AP的性能。该项目提供多种模型变体,包括YOLOv7-X和YOLOv7-W6等,适用于不同应用场景。此外,YOLOv7还具备姿态估计和实例分割功能,支持多GPU训练、迁移学习和模型导出,是一个全面的目标检测解决方案。
yolov9 - 高效准确的目标检测算法
GithubYOLOv9开源项目深度学习目标检测神经网络计算机视觉
YOLOv9是一种新型目标检测算法,采用可编程梯度信息技术提高学习能力。该开源项目提供YOLOv9的官方实现,包含预训练模型、训练评估脚本和使用文档。在COCO数据集上,YOLOv9展现出优异的检测性能,同时保持较低的模型复杂度。研究人员和开发者可利用这一工具进行高效准确的目标检测任务。
yolov10 - 实现实时端到端目标检测新突破
GithubYOLOv10人工智能实时检测开源项目目标检测端到端
YOLOv10是新一代实时端到端目标检测模型,通过创新的无NMS训练策略和全面的效率-准确度优化设计,在推理速度和计算效率方面实现显著提升。COCO数据集实验结果表明,YOLOv10在不同模型规模下均达到了业界领先的性能和效率水平,为实时目标检测领域带来新的发展方向。
yolov3 - 开源视觉AI技术
GithubUltralyticsYOLOv3人工智能图像识别开源项目目标检测
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。
DAMO-YOLO - 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的对象检测算法
DAMO-YOLOGithub开源项目性能优化检测模型目标检测算法更新
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。
LeYOLO - 可扩展高效的目标检测CNN架构
COCO数据集GithubLeYOLO开源项目目标检测神经网络计算效率
LeYOLO是一种新型目标检测模型系列,通过创新的CNN架构设计实现了计算效率与准确性的优化平衡。该模型引入高效主干网络缩放、快速金字塔架构网络和解耦网络中的网络检测头,大幅降低计算负载。在COCO验证集上,LeYOLO-Small仅使用4.5 GFLOP就达到38.2%的mAP,比YOLOv9-Tiny减少42%计算量。LeYOLO系列具有强大可扩展性,适用于从超低计算需求(<1 GFLOP)到高效高性能(>4 GFLOPs)的多种场景。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

Project Cover

天工AI音乐

天工AI音乐平台支持音乐创作,特别是在国风音乐领域。该平台适合新手DJ和音乐爱好者使用,帮助他们启动音乐创作,增添生活乐趣,同时发现和分享新音乐。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号