视觉与 3D
共 256 个仓库 · Python
把 YOLO 系列模型接入 NVIDIA DeepStream SDK 的推理实现，支持 Darknet、PyTorch、Paddle 等多种权重格式，方便在 Jetson 和 GPU 上做实时目标检测部署。
基于航拍和卫星影像做语义分割，自动提取建筑、停车场、道路、水体、云等要素，适合遥感影像制图与地物识别。
CVNets 是苹果开源的计算机视觉训练库，基于 PyTorch，支持分类、检测、分割等任务，覆盖 ImageNet、COCO、ADE20K 等主流数据集。
自建的家庭照片管理服务器，用物体识别、人脸识别、位置和色彩分析等 ML 算法帮你从海量照片里快速筛出想要的那张，任意设备都能访问。
用 Python 仿真加开源教材一步步搭建自动驾驶系统，可在同一框架里替换对比定位、规划与控制算法，适合入门学习。
把多个目标检测模型输出的检测框做融合集成，包含加权框融合（WBF）方法，能比传统 NMS 更好地合并重叠框、提升检测精度。
在 Jetson 上跑 TensorRT 加速的视觉模型示例集，涵盖 MODNet 抠图、YOLOv3/v4 检测、SSD、MTCNN 人脸和 GoogLeNet，帮你快速部署边缘推理。
用 PyTorch 深度神经网络从歌曲中分离人声和伴奏，输入音频后输出两条独立音轨，适合做翻唱伴奏提取或人声采样。
用 Transformer 从单目视频里重建并跟踪三维人体，输出带 SMPL 参数的动作序列，适合做人体建模和动作分析。
YOLOv13 的官方实现，用超图增强的自适应视觉感知提升实时目标检测精度，适合需要落地部署检测模型的场景。
DEIM 是一个面向实时目标检测的 DETR 改进方案，通过优化一对一匹配策略加速模型收敛，让 DETR 系列检测器训练更快、精度更高。
基于 PyTorch 的知识蒸馏框架，无需写代码即可复现和对比 28 种顶会蒸馏方法，附带训练模型、日志和配置，方便做可复现的深度学习研究。
面向机器人位姿与流形优化的可微分编程库，把李群、位姿估计和卡尔曼滤波等模块接入 PyTorch，方便在深度学习里做几何优化与状态估计。
一套 PyTorch 扩展工具集，提供数据增强、损失函数、训练流水线等常用组件，帮你在做图像分割、检测和分类的原型研发与 Kaggle 比赛时少写重复代码。
基于 Retinex 理论的一阶段 Transformer 低光照图像增强模型，ICCV 2023 高被引工作，可直接用于夜间图像提亮与下游检测任务。
一份摄影测量入门与资源指南，梳理从无人机航拍、激光雷达到多视图立体的三维重建流程，覆盖测绘、建筑、农业、机器人和考古等应用场景。
每天自动抓取 arXiv 上计算机视觉方向的新论文并整理更新，省去手动刷 arXiv 的麻烦，适合跟踪 3D 重建、图像匹配、NeRF 等方向的最新进展。
给纯 ViT 主干加上轻量适配器，无需重设计结构就能做目标检测和语义分割等密集预测任务，ICLR 2023 Spotlight 工作。
用 YOLOv5 + DeepSORT 做车辆和行人的多目标追踪与计数，封装成 Detector 类，方便直接嵌进自己的项目里。
仅凭视频输入就能做流式三维重建，重点解决长时序场景下局部上下文丢失的问题，适合在线建图与SLAM类应用。
OpenCV-Python 4.1 中文教程文档，涵盖图像处理、目标检测等计算机视觉入门内容，适合中文开发者系统学习 OpenCV 的 Python 用法。
PointCNN 提出 X-变换卷积算子，直接在无序点云上做特征学习，可用于三维点云分类和分割，服务于自动驾驶、机器人等场景。
实时端到端开放词汇目标检测模型，无需重新训练即可用自然语言描述检测任意类别物体，适合零样本检测场景。
本地完成计算机视觉模型从标注、训练到优化部署的全流程，支持增量学习与模型压缩，针对 Intel XPU 加速并兼容 CUDA。