Caffe SSD

R-FCN

AI GitHub 仓库

基于区域的对象检测框架，它利用全卷积网络进行准确高效的图像分析。它在整个图像上共享计算，从而能够采用强大的分类器骨干网络（如 ResNets）来增强对象检测能力。R-FCN 是一种基于区域的对象检测框架，它利用全卷积网络进行准确高效的图像分析。它在整个图像上共享计算，从而能够采用强大的分类器骨干网络（如 ResNets）来增强对象检测能力。

SPP_net

AI GitHub 仓库

用于深度卷积网络的空间金字塔池化算法的重新实现，应用于视觉识别领域。它旨在复现一篇 2014 年 ECCV 论文中的目标检测结果，并利用 Caffe 框架方便代码发布。该项目提供了用于训练和微调模型的代码。SPP_net 是用于深度卷积网络的空间金字塔池化算法的重新实现，应用于视觉识别领域。它旨在复现一篇 2014 年 ECCV 论文中的目标检测结果，并利用 Caffe 框架方便代码发布。该项目提供了用于训练和微调模型的代码。

Detection Transformers (DETR)

AI 模型

DETR 是一种端到端的对象检测和全景分割框架，将 Transformer 作为核心组件集成。它简化了架构，直接预测对象集，并在 COCO 等具有挑战性的数据集上达到了最先进的性能，为计算机视觉任务提供了更灵活、更精简的方法。

GluonCV 工具包

AI 框架

开源计算机视觉工具包，提供最先进的深度学习算法。它拥有一个庞大的模型库，包含超过 170 个预训练模型，灵活的 API 和易于理解的实现，旨在加速研究人员、工程师和学生的原型开发和学习。GluonCV 是一个开源计算机视觉工具包，提供最先进的深度学习算法。它拥有一个庞大的模型库，包含超过 170 个预训练模型，灵活的 API 和易于理解的实现，旨在加速研究人员、工程师和学生的原型开发和学习。

特征金字塔网络

AI 模型

通过利用深度卷积网络的金字塔结构，以极低的计算开销生成多尺度特征图，从而增强目标检测能力。该架构提高了对各种尺寸目标的检测精度，为实时检测任务提供了实用且高效的解决方案。特征金字塔网络 (FPN) 通过利用深度卷积网络的金字塔结构，以极低的计算开销生成多尺度特征图，从而增强目标检测能力。该架构提高了对各种尺寸目标的检测精度，为实时检测任务提供了实用且高效的解决方案。

Ultralytics YOLO

AI 框架

#16

领先的实时目标检测和图像分割 AI 框架。它提供 YOLO26 等先进模型，支持检测、分割、姿态估计和跟踪等任务。它针对边缘部署和云 API 进行了优化，使开发人员能够高效地构建强大的计算机视觉应用程序。Ultralytics YOLO 是一个领先的实时目标检测和图像分割 AI 框架。它提供 YOLO26 等先进模型，支持检测、分割、姿态估计和跟踪等任务。它针对边缘部署和云 API 进行了优化，使开发人员能够高效地构建强大的计算机视觉应用程序。

TF Image Classifier

浏览器插件

Chrome 扩展程序，它使用 TensorFlow.js 模型（如 MobileNet v2 和 COCO-SSD）直接在您的浏览器中进行图像分类和对象检测。它可以分析任何网站上的图像，提供有关对象识别和分类能力的见解，用于教育或娱乐目的。TF Image Classifier 是一款 Chrome 扩展程序，它使用 TensorFlow.js 模型（如 MobileNet v2 和 COCO-SSD）直接在您的浏览器中进行图像分类和对象检测。它可以分析任何网站上的图像，提供有关对象识别和分类能力的见解，用于教育或娱乐目的。

Ultralytics YOLO

AI GitHub 仓库

#18

Ultralytics YOLO 包含 YOLO26、YOLO11 和 YOLOv8，提供目标检测、实例分割、语义分割、图像分类、姿态估计和目标跟踪的能力。它专为计算机视觉领域的开发者和研究人员设计。