目标检测工具集合 - 提升项目效率的最佳选择
DAMO-YOLO学习资料汇总 - 快速高效的目标检测框架
DAMO-YOLO是阿里巴巴达摩院开发的一个快速高效的目标检测框架。本文汇总了DAMO-YOLO的各种学习资料,包括项目介绍、代码仓库、模型下载、使用教程等,帮助大家快速上手这个强大的目标检测工具。
YOLOv3入门学习资料汇总 - 快速高效的目标检测算法
YOLOv3是一种快速、高效的实时目标检测算法。本文汇总了YOLOv3的入门学习资料,包括官方文档、教程、代码等,帮助你快速上手这个强大的目标检测工具。
深度学习目标检测全面指南 - 从R-CNN到YOLO的发展历程
本文全面梳理了深度学习目标检测领域的发展脉络,涵盖了从R-CNN到YOLO等主流算法,并提供了大量学习资源,是入门和进阶目标检测的必读指南。
tensorflow-yolov3实现指南与学习资料汇总 - YOLOv3目标检测的TensorFlow实现
本文汇总了tensorflow-yolov3项目的相关学习资料,包括代码仓库、教程文档、预训练模型等,帮助读者快速上手使用TensorFlow实现YOLOv3目标检测算法。
BoxMOT学习资料汇总 - 多目标跟踪的可插拔SOTA模块
BoxMOT是一个为分 割、目标检测和姿态估计模型提供可插拔的最先进多目标跟踪模块的项目。本文汇总了BoxMOT的主要学习资源,帮助读者快速入门和深入学习这个强大的多目标跟踪工具。
Models学习资源汇总 - 飞桨官方支持的CV、NLP等领域模型库
本文汇总了飞桨Models模型库的学习资料,包括官方文档、教程、模型代码等,帮助开发者快速上手使用这个包含CV、NLP等多领域模型的开源项目。
paper2gui入门学习资料 - 让每个人都能简单方便地使用前沿AI技术
paper2gui是一款面向普通用户的AI桌面工具箱,无需安装即可使用,支持40多种AI模型,涵盖AI绘画、语音合成、视频处理等多个领域。本文汇总了该项目的学习资源,帮助读者快速上手使用。
TRT-YOLO视频流水线: 基于TensorRT的多路多卡并行视频分析处理框架
TRT-YOLO视频流水线是一个基于TensorRT和YOLO系列模型的高性能视频分析处理框架,支持多路视频输入、多GPU并行推理和多种输出格式,为实时视频分析提供了完整的解决方案。
Awesome Tiny Object Detection: 小目标检测技术的最新进展与应用
本文全面介绍了小目标检测领域的最新研究进展、重要数据集和相关技术应用,为从事该领域研究的学者和工程师提供了一个系统的技术综述。
PedSurvey:从手工特征到深度特征的行人检测综述
本文对PedSurvey项目进行了全面介绍,详细阐述了从手工特征到深度特征的行人检测技术发展历程,包括检测流程、单光谱和多光谱行人检测方法、数据集以及面临的挑战等内容。
Table Transformer: 革新表格提取技术的深度学习模型
Table Transformer (TATR) 是一种基于目标检测的深度学习模型,专门用于从非结构化文档(如PDF和图像)中提取表格。本文详细介绍了TATR的工作原理、应用场景以及相关的数据集和评估指标,展现了这一技术在表格识别领域的巨大潜力。
EfficientDet:高效可扩展的目标检测模型
EfficientDet是一种新型目标检测模型,通过创新的网络架构和缩放方法,实现了精度和效率的良好平衡,在目标检测任务上取得了突破性进展。
YOLOAir2: 基于YOLOv7的目标检测改进框架
YOLOAir2是YOLOAir系列的第二个版本,基于YOLOv7构建,集成了多种YOLO检测模型,支持改进Backbone、Neck、Head等多个模块,旨在让YOLO模型的改进变得更加简单。
Stable-DINO: 基于稳定匹配的检测Transformer
Stable-DINO是一种创新的目标检测算法,通过引入稳定匹配机制来优化检测Transformer,显著提升了检测精度和稳定性。本文详细介绍了Stable-DINO的核心思想、技术创新点以及在多个基准数据集上的出色表现。
Transformer在视觉跟踪任务中的应用与进展
Transformer在视觉目标跟踪领域的最新研究进展与应用,包括统一跟踪、单目标跟踪和3D单目标跟踪等方向的创新工作。
SOFT: Softmax-free Transformer with Linear Complexity - 高效的线性变换器模型
SOFT是一种创新的Transformer模型,通过去除softmax操作实现了线性复杂度,在多项视觉任务上取得了优异的性能。本文详细介绍了SOFT的原理、特点及其在图像分类、目标检测和语义分割等任务上的应用。
Labelme2YOLO:将LabelMe JSON格式转换为YOLO文本格式的实用工具
Labelme2YOLO是一个强大的工具,可以帮助用户将LabelMe标注工具生成的JSON格式数据转换为YOLO对象检测算法所需的文本格式。它为已经使用LabelMe标注了分割数据集的用户提供了一个简单便捷的转换方案,大大提高了数据准备的效率。
CV计算机视觉技术全解析：从基础理论到前沿应用
本文全面介绍了计算机视觉领域的核心技术,包括图像分类、目标检测、语义分割等,并详细讲解了各类经典模型的原理与实现。文章深入浅出,既有理论剖析,又有代码实践,是CV领域的入门与进阶的不二之选。
QFormer: 突破性的四边形注意力视觉Transformer
QFormer是一种新型视觉Transformer架构,通过创新的四边形注意力机制扩展了基于窗口的注意力,在多种计算机视觉任务上取得了优异性能。
CrossFormer:基于跨尺度注意力的多功能视觉Transformer
CrossFormer是一种创新的视觉Transformer模型,通过跨尺度注意力机制解决了现有视觉Transformer无法建立不同尺度对象/特征之间注意力的问题,在图像分类、目标检测和实例/语义分割等多个视觉任务中表现出色。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号