R-FCN

Mask R-CNN

AI GitHub リポジトリ

KerasとTensorFlowで実装された物体検出およびインスタンスセグメンテーションのための深層学習モデルです。画像内の物体を特定し、セグメント化するように設計されており、コンピュータビジョンのさまざまなアプリケーションにおいてピクセルレベルの精度を提供します。Mask R-CNNは、KerasとTensorFlowで実装された物体検出およびインスタンスセグメンテーションのための深層学習モデルです。画像内の物体を特定し、セグメント化するように設計されており、コンピュータビジョンのさまざまなアプリケーションにおいてピクセルレベルの精度を提供します。

Ultralytics YOLO

AI GitHub リポジトリ

#18

Ultralytics YOLOにはYOLO26、YOLO11、YOLOv8が含まれており、物体検出、インスタンスセグメンテーション、セマンティックセグメンテーション、画像分類、ポーズ推定、物体追跡の機能を提供します。これはコンピュータビジョンの分野における開発者や研究者向けに設計されています。

SPP_net

AI GitHub リポジトリ

視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。SPP_netは、視覚認識におけるディープ畳み込みネットワークのためのSpatial Pyramid Poolingアルゴリズムの再実装です。2014年のECCV論文の物体検出結果を再現することを目指し、コード公開の容易さからCaffeを利用しています。本プロジェクトは、モデルのトレーニングとファインチューニングのためのコードを提供します。

Detectron2プラットフォーム

AI GitHub リポジトリ

#113

物体検出、セグメンテーション、およびさまざまな視覚認識タスクのために設計されたプラットフォームです。Facebook Researchによって開発され、最先端のコンピュータビジョンアプリケーションを実装するための高度なツールを開発者や研究者に提供します。Detectron2は、物体検出、セグメンテーション、およびさまざまな視覚認識タスクのために設計されたプラットフォームです。Facebook Researchによって開発され、最先端のコンピュータビジョンアプリケーションを実装するための高度なツールを開発者や研究者に提供します。

YOLO-World

AI GitHub リポジトリ

#142

AILab-CVCによって開発されたリアルタイムのオープンボキャブラリーオブジェクト検出ツールです。トレーニング中に見られなかったオブジェクトの検出を可能にすることで、さまざまなアプリケーションに対応できる柔軟性を提供します。YOLO-Worldは、AILab-CVCによって開発されたリアルタイムのオープンボキャブラリーオブジェクト検出ツールです。トレーニング中に見られなかったオブジェクトの検出を可能にすることで、さまざまなアプリケーションに対応できる柔軟性を提供します。

Caffe SSD

AI モデル

CaffeフレームワークとSSD実装による物体検出。このリポジトリは、高速でオープンなディープラーニングフレームワークを提供し、特にSingle Shot MultiBox Detectorに特化しています。単一のモデルで物体検出ネットワークのトレーニングと評価を可能にし、効率的なパフォーマンスを実現します。

Feature Pyramid Networks

AI モデル

計算オーバーヘッドを最小限に抑えながら、ディープ畳み込みネットワークからマルチスケール特徴マップを生成することで、物体検出を強化します。このアーキテクチャは、さまざまなサイズの物体に対する精度を向上させ、リアルタイム検出タスクに実用的かつ効率的なソリューションを提供します。Feature Pyramid Networks (FPN)は、計算オーバーヘッドを最小限に抑えながら、ディープ畳み込みネットワークからマルチスケール特徴マップを生成することで、物体検出を強化します。このアーキテクチャは、さまざまなサイズの物体に対する精度を向上させ、リアルタイム検出タスクに実用的かつ効率的なソリューションを提供します。

Detection Transformers (DETR)

AI モデル

DETRは、Transformerをコアコンポーネントとして統合した、エンドツーエンドの物体検出およびパノプティックセグメンテーションフレームワークです。アーキテクチャを簡素化し、直接的に物体セットを予測し、COCOのような挑戦的なデータセットで最先端のパフォーマンスを達成し、コンピュータビジョンタスクに対してより柔軟で合理化されたアプローチを提供します。