计算机视觉 | YOLO开源项目汇总
  rNykiPQ3Q0kH 2023年11月02日 40 0


计算机视觉 | YOLO开源项目汇总_tensorflow

1、Pytorch Yolo V3


使用PyTorch实现的YOLO v3对象检测算法

​https://github.com/ayooshkathuria/pytorch-yolo-v3​


2、Yolov3 Tf2


在Tensorflow 2.0中实现的YoloV3


计算机视觉 | YOLO开源项目汇总_3D_02

计算机视觉 | YOLO开源项目汇总_3D_03

​https://github.com/zzh8829/yolov3-tf2​


3、Yolo_v3_tutorial_from_scratch


计算机视觉 | YOLO开源项目汇总_tensorflow_04

​https://github.com/ayooshkathuria/YOLO_v3_tutorial_from_scratch​


4、Yolo_mark


GUI用于在图像中标记有界的对象框,用于训练神经网络Yolo v3和v2

​https://github.com/AlexeyAB/Yolo_mark​


5、Keras Yolo3


用YOLO3训练和检测目标


计算机视觉 | YOLO开源项目汇总_3D_05

​https://github.com/experiencor/keras-yolo3​


6、Multitarget Tracker


基于Hungarian算法+卡尔曼滤波


计算机视觉 | YOLO开源项目汇总_tensorflow_06

计算机视觉 | YOLO开源项目汇总_3D_07

​https://github.com/Smorodov/Multitarget-tracker​


7、Yolo 9000


计算机视觉 | YOLO开源项目汇总_github_08


​https://github.com/philipperemy/yolo-9000​


8、Darknet_ros


YOLO ROS:ROS的实时对象检测


计算机视觉 | YOLO开源项目汇总_3D_09

计算机视觉 | YOLO开源项目汇总_github_10

​https://github.com/leggedrobotics/darknet_ros​


9、Yolo Coreml Mpsnngraph  -- iOS项目


使用CoreML以及新的MPS graph API实现的iOS上的YOLO。


计算机视觉 | YOLO开源项目汇总_github_11


​https://github.com/hollance/YOLO-CoreML-MPSNNGraph​


10、Tensorflow Yolo


tensorflow实现的“ YOLO:实时对象检测”(训练和测试)

​https://github.com/nilboy/tensorflow-yolo​


11、Tensorflow Yolo V3


在Tensorflow(TF-Slim)中实现YOLO v3对象检测器的实现

​https://github.com/mystic123/tensorflow-yolo-v3​


12、Yolo_tensorflow 


YOLO的Tensorflow实施,包括训练和测试阶段。

​https://github.com/hizhangp/yolo_tensorflow​


13、Mobilenet Yolo


MobileNet-YOLO检测网络的Caffe实现

​https://github.com/eric612/MobileNet-YOLO​


14、Android Yolo


使用带TensorFlow的YOLO网络在Android上进行实时对象检测。android-yolo是YOLO在Android设备上针对TensorFlow的第一个实现。它与Android Studio兼容。可以检测Pascal VOC数据集中的20种对象:飞机,自行车,鸟,船,瓶,公共汽车,汽车,猫,椅子,牛,餐桌,狗,马,摩托车,人,盆栽植物,绵羊,沙发,火车和电视/显示器。网络目前一次仅输出一个预测的边界框。

​https://github.com/natanielruiz/android-yolo​


15、Yolov3_pytorch


在PyTorch中完全实现YOLOv3

​https://github.com/BobLiu20/YOLOv3_PyTorch​


16、Tracking With Darkflow


使用YOLO v2和带有tensorflow的deep_sort的实时人员Multitracker

​https://github.com/bendidi/Tracking-with-darkflow​


17、Keras Yolov3 Mobilenet


​https://github.com/Adamdad/keras-YOLOv3-mobilenet​


18、Yolo3 4 Py


计算机视觉 | YOLO开源项目汇总_github_12

​https://github.com/madhawav/YOLO3-4-Py​


19、Tfjs Yolo Tiny


在Tensorflow.js上使用Tiny YOLO进行浏览器内对象检测


计算机视觉 | YOLO开源项目汇总_github_13

​https://github.com/ModelDepot/tfjs-yolo-tiny​


20、Yolov3 Keras Tf2


yolo在keras和tensorflow 2.2中的实现

​https://github.com/emadboctorx/yolov3-keras-tf2​


21、Node Yolo


适用于YOLO / Darknet识别框架的Node.js包装器

​https://github.com/moovel/node-yolo​


22、Yolo V3 Iou


YOLO3 动漫人脸检测 (Based on keras and tensorflow) 


计算机视觉 | YOLO开源项目汇总_3D_14

​https://github.com/wmylxmj/YOLO-V3-IOU​


23、Vehicle Detection Yolo Ver


这是Udacity的无人驾驶汽车工程纳米学位的车辆检测项目。在这个项目中,我采用了两种方法进行车辆检测。HOG + SVM方法和YOLO方法。在HOG + SVM方法中,我们使用猪特征和颜色特征对车辆进行了分类。为了搜索车辆的位置,我们实现了滑动窗口搜索。在YOLO方法中,YOLO将单个神经网络应用于完整图像。


计算机视觉 | YOLO开源项目汇总_github_15


​https://github.com/windowsub0406/Vehicle-Detection-YOLO-ver​


24、Bmw Yolov3 Inference Api Gpu


使用训练的Yolov3模型可以部署在此API中。可以同时加载和使用多个对象检测模型。


计算机视觉 | YOLO开源项目汇总_3D_16


​https://github.com/BMW-InnovationLab/BMW-YOLOv3-Inference-API-GPU​


25、Social Distancing Analyser Covid


通过在视频监控中使用计算机视觉来防止冠状病毒传播的AI工具(COVID-19)的一种社交距离分析器AI工具,用于使用CCTV摄像机和无人机的视频监控来规范社交距离协议。

​https://github.com/Ank-Cha/Social-Distancing-Analyser-COVID-19​


26、Yolo_person_detect


​https://github.com/pascal1129/yolo_person_detect​


27、Yoloncs


用于Movidius NCS的YOLO对象检测器


计算机视觉 | YOLO开源项目汇总_github_17

​https://github.com/gudovskiy/yoloNCS​


28、Caffe Yolov3 Windows


YOLO检测网络的Windows Caffe实现

​https://github.com/eric612/Caffe-YOLOv3-Windows​


29、Caffe2 iOS


iOS实时演示上的Caffe2,使用你自己的模型和照片进行测试。

​https://github.com/KleinYuan/Caffe2-iOS​


30、Yoloface


使用YOLOv3算法的基于深度学习的人脸检测


计算机视觉 | YOLO开源项目汇总_tensorflow_18

​https://github.com/sthanhng/yoloface​

本文仅做学术分享,如有侵权,请联系删文。

【版权声明】本文内容来自摩杜云社区用户原创、第三方投稿、转载,内容版权归原作者所有。本网站的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@moduyun.com

  1. 分享:
最后一次编辑于 2023年11月08日 0

暂无评论

推荐阅读
rNykiPQ3Q0kH