Detectron2 플랫폼

DINOv3

AI GitHub 저장소

Facebook Research에서 개발한 참조 PyTorch 구현 및 모델을 제공합니다. 이는 컴퓨터 비전 작업을 위한 자기 지도 학습 기술을 활용하고자 하는 연구자와 개발자를 위해 설계되었습니다.DINOv3는 Facebook Research에서 개발한 참조 PyTorch 구현 및 모델을 제공합니다. 이는 컴퓨터 비전 작업을 위한 자기 지도 학습 기술을 활용하고자 하는 연구자와 개발자를 위해 설계되었습니다.

YOLO-World

AI GitHub 저장소

#144

AILab-CVC에서 개발한 실시간 개방형 어휘 객체 탐지 도구입니다. 이는 훈련 중에 보지 못한 객체를 탐지할 수 있도록 하여 객체 탐지 능력을 향상시키고, 다양한 응용 프로그램에 적합합니다.YOLO-World는 AILab-CVC에서 개발한 실시간 개방형 어휘 객체 탐지 도구입니다. 이는 훈련 중에 보지 못한 객체를 탐지할 수 있도록 하여 객체 탐지 능력을 향상시키고, 다양한 응용 프로그램에 적합합니다.

Scalabel

AI GitHub 저장소

데이터 세트를 레이블링하고 관리하는 프로세스를 간소화하도록 설계된 다목적 웹 기반 시각 데이터 주석 도구입니다. 다양한 주석 유형을 지원하여 컴퓨터 비전 및 머신 러닝 프로젝트의 다양한 응용 프로그램에 적합합니다.Scalabel은 데이터 세트를 레이블링하고 관리하는 프로세스를 간소화하도록 설계된 다목적 웹 기반 시각 데이터 주석 도구입니다. 다양한 주석 유형을 지원하여 컴퓨터 비전 및 머신 러닝 프로젝트의 다양한 응용 프로그램에 적합합니다.

Perception Encoder

AI GitHub 저장소

Facebook Research에서 개발한 최첨단 AI 도구입니다. 이미지 및 비디오 CLIP 모델과 다중 모달 대형 언어 모델에 특화되어 있으며, 시각적 및 텍스트 데이터를 처리하고 이해하는 데 필요한 고급 기능을 제공합니다.Perception Encoder는 Facebook Research에서 개발한 최첨단 AI 도구입니다. 이미지 및 비디오 CLIP 모델과 다중 모달 대형 언어 모델에 특화되어 있으며, 시각적 및 텍스트 데이터를 처리하고 이해하는 데 필요한 고급 기능을 제공합니다.

Vision Transformer

AI GitHub 저장소

Vision Transformer (ViT) 리포지토리는 이미지 인식 작업을 위한 모델과 코드를 제공합니다. 여기에는 ImageNet 및 ImageNet-21k 데이터셋으로 사전 학습된 Vision Transformer 및 MLP-Mixer 아키텍처 구현과 JAX/Flax에서의 파인튜닝 코드가 포함됩니다.

Ultralytics YOLO

AI GitHub 저장소

#21

객체 탐지, 인스턴스 분할, 의미론적 분할, 이미지 분류, 포즈 추정 및 객체 추적 기능을 제공하는 YOLO26, YOLO11 및 YOLOv8을 포함합니다. 이는 컴퓨터 비전 분야의 개발자와 연구자를 위해 설계되었습니다.Ultralytics YOLO는 객체 탐지, 인스턴스 분할, 의미론적 분할, 이미지 분류, 포즈 추정 및 객체 추적 기능을 제공하는 YOLO26, YOLO11 및 YOLOv8을 포함합니다. 이는 컴퓨터 비전 분야의 개발자와 연구자를 위해 설계되었습니다.

R-FCN

AI GitHub 저장소

완전 컨볼루션 네트워크를 활용하여 정확하고 효율적인 이미지 분석을 수행하는 영역 기반 객체 탐지 프레임워크입니다. 전체 이미지에 걸쳐 연산을 공유하여 ResNet과 같은 강력한 분류기 백본을 채택할 수 있도록 하여 객체 탐지 성능을 향상시킵니다.R-FCN은 완전 컨볼루션 네트워크를 활용하여 정확하고 효율적인 이미지 분석을 수행하는 영역 기반 객체 탐지 프레임워크입니다. 전체 이미지에 걸쳐 연산을 공유하여 ResNet과 같은 강력한 분류기 백본을 채택할 수 있도록 하여 객체 탐지 성능을 향상시킵니다.

Mask R-CNN

AI GitHub 저장소

Keras와 TensorFlow로 구현된 객체 탐지 및 인스턴스 분할을 위한 딥 러닝 모델입니다. 이 모델은 이미지 내의 객체를 식별하고 분할하도록 설계되어 있으며, 컴퓨터 비전의 다양한 응용 프로그램에 대해 픽셀 수준의 정확성을 제공합니다.Mask R-CNN은 Keras와 TensorFlow로 구현된 객체 탐지 및 인스턴스 분할을 위한 딥 러닝 모델입니다. 이 모델은 이미지 내의 객체를 식별하고 분할하도록 설계되어 있으며, 컴퓨터 비전의 다양한 응용 프로그램에 대해 픽셀 수준의 정확성을 제공합니다.