notebooks

notebooks | inference | autodistill | collect

👋 你好

多年来，我们创建了几十个计算机视觉教程。本库包含使用最先进计算机视觉模型和技术的示例和教程。了解从传统的 ResNet，到 YOLO 和像 DETR 这样的物体检测变压器，再到最新的模型如 Grounding DINO、SAM 和 GPT-4 Vision 的全部内容。

好奇想了解更多关于 GPT-4 Vision 的信息吗？查看我们的 GPT-4V 实验 🧪 仓库。

🚀 模型教程（40个笔记本）

笔记本	在colab / kaggle / sagemaker studio lab中打开	补充材料	仓库 / 论文
使用Grounded SAM 2 自动标注图像
使用SAM2分割图像
使用SAM2分割视频
RT-DETR目标检测
微调Florence-2在目标检测数据集上
使用Florence-2运行不同视觉任务
微调PaliGemma用于目标检测数据集
YOLOv10目标检测
YOLO-World零样本目标检测
YOLOv9目标检测
RTMDet 目标检测
Fast Segment Anything 模型 (FastSAM)
YOLO-NAS 目标检测
Segment Anything 模型 (SAM)
Zero-Shot Object Detection with Grounding DINO
DETR Transformer Object Detection
DINOv2 Image Classification
YOLOv8 Object Detection
YOLOv8 Pose Estimation
YOLOv8 定向边界框
YOLOv8 实例分割
YOLOv8 分类
YOLOv7 目标检测
YOLOv7 实例分割
YOLOv7 目标检测 OpenVINO + TorchORT
MT-YOLOv6 目标检测
YOLOv5 目标检测
YOLOv5 分类
YOLOv5 实例分割
Detectron2 实例分割
SegFormer 实例分割
视觉 Transformer 分类
Scaled-YOLOv4 目标检测
YOLOS 目标检测
YOLOR 对象检测
YOLOX 对象检测
Resnet34 fast.ai 分类
OpenAI Clip 分类
YOLOv4-tiny Darknet 对象检测
无需标注训练 YOLOv8 分类模型

📸 计算机视觉技能（18个笔记本）

笔记本	在Colab / Kaggle / SageMaker Studio Lab中打开	补充材料	仓库 / 论文
如何估算车辆速度
使用YOLOv5 / YOLOv8 / Detectron2 + Supervision检测和统计多边形区域内的物体
使用YOLOv8 + ByteTRACK + Supervision跟踪和统计车辆
使用YOLOv5 + ByteTRACK跟踪足球运动员
使用Autodistill自动训练YOLOv8模型
图像嵌入分析 - 第1部分
利用 Grounding DINO 和 SAM 进行自动数据集标注和评估
利用 Grounding DINO 进行自动数据集标注和评估
Roboflow 视频推断与自定义标注工具
DINO-GPT-4V 目标检测
无标注训练分割模型
DINOv2 图像检索
使用Scikit-learn和Bokeh进行向量分析
RF100目标检测模型基准测试
用Roboflow创建分割掩码
如何使用PolygonZone和Roboflow监督
使用两个标注图像训练包裹检测器
CLIP和faiss的图像搜索

🎬 视频

几乎每周我们都会制作教程，为您展示计算机视觉领域中最热门的模型。🔥 订阅，并及时了解我们最新的YouTube视频！

<p align="left"> <a href="https://youtu.be/CilXrt3S-ws" title="如何为您的项目选择最佳计算机视觉模型"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/669619ee-303d-4fe4-b995-757b1d8e8573.png" alt="如何为您的项目选择最佳计算机视觉模型" width="300px" align="left" /></a> <a href="https://youtu.be/CilXrt3S-ws" title="如何为您的项目选择最佳计算机视觉模型"><strong>如何为您的项目选择最佳计算机视觉模型</strong></a> <div><strong>创建时间：2023年5月26日</strong> | <strong>更新日期：2023年5月26日</strong></div> <br/> 在这个视频中，我们将深入探讨为您的独特项目选择合适的计算机视觉模型的复杂性。从高质量数据集的重要性到硬件考虑、互操作性、基准测试和许可问题，这个视频涵盖了所有内容... </p> <br/> <p align="left"> <a href="https://youtu.be/oEQYStnF2l8" title="使用SAM和Grounding DINO加速图像标注"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/04d8faf3-1705-4b69-ad7b-cb603fc7bf43.png" alt="使用SAM和Grounding DINO加速图像标注" width="300px" align="left" /></a> <a href="https://youtu.be/oEQYStnF2l8" title="使用SAM和Grounding DINO加速图像标注"><strong>使用SAM和Grounding DINO加速图像标注</strong></a> <div><strong>创建时间：2023年4月20日</strong> | <strong>更新日期：2023年4月20日</strong></div> <br/> 探索如何使用Grounding DINO和Segment Anything Model (SAM) 加速您的图像标注过程。了解如何将目标检测数据集转换为实例分割数据集，并看看使用这些模型来自动标注您的数据集的潜力，以便在实时检测器如YOLOv8中使用... </p> <br/> <p align="left"> <a href="https://youtu.be/D-D6ZmadzPE" title="SAM - Meta AI的Segment Anything Model：完整指南"><img src="https://yellow-cdn.veclightyear.com/35dd4d3f/b5ef4a92-cd08-4b54-af36-ef347c50937b.png" alt="SAM - Meta AI的Segment Anything Model：完整指南" width="300px" align="left" /></a> <a href="https://youtu.be/D-D6ZmadzPE" title="SAM - Meta AI的Segment Anything Model：完整指南"><strong>SAM - Meta AI的Segment Anything Model：完整指南</strong></a> <div><strong>创建时间：2023年4月11日</strong> | <strong>更新日期：2023年4月11日</strong></div>

<br/> 发现Meta AI的Segment Anything Model (SAM) 的巨大潜力！我们深入研究了SAM，一种高效且可提示的图像分割模型，它已然革命性地改变了计算机视觉任务。SAM在1亿多授权和隐私保护的图像上生成了超过10亿个掩码，其零样本性能通常优于之前的完全监督结果... </p>

💻 本地运行

我们尽量使在Colab和Kaggle中运行Roboflow Notebook变得尽可能简单，但如果您仍希望在本地运行它们，请参阅以下说明。记住不要全局安装您的依赖项，请使用venv。

# 克隆仓库并导航到根目录
git clone git@github.com:roboflow-ai/notebooks.git
cd notebooks

# 设置python环境并激活
python3 -m venv venv
source venv/bin/activate

# 安装并运行jupyter notebook
pip install notebook
jupyter notebook