YOLO-World

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。

Grounding DINO

AI GitHub 仓库

论文《将 DINO 与基础预训练结合用于开放集物体检测》的官方实现。它旨在通过创新的预训练技术增强物体检测能力。Grounding DINO 是论文《将 DINO 与基础预训练结合用于开放集物体检测》的官方实现。它旨在通过创新的预训练技术增强物体检测能力。

Detectron2 平台

AI GitHub 仓库

#113

旨在进行目标检测、分割和各种视觉识别任务的平台。由 Facebook Research 开发，它为开发者和研究人员提供了先进的工具，以实现最先进的计算机视觉应用。Detectron2 是一个旨在进行目标检测、分割和各种视觉识别任务的平台。由 Facebook Research 开发，它为开发者和研究人员提供了先进的工具，以实现最先进的计算机视觉应用。

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。

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。

ByteTrack

AI GitHub 仓库

多目标跟踪工具，通过关联每个检测框来提高跟踪精度。该工具为 ECCV 2022 开发，旨在通过利用先进的检测技术来改善各种应用中的目标跟踪。ByteTrack 是一款多目标跟踪工具，通过关联每个检测框来提高跟踪精度。该工具为 ECCV 2022 开发，旨在通过利用先进的检测技术来改善各种应用中的目标跟踪。

YOLOR

AI GitHub 仓库

论文《你只学习一个表示：多任务统一网络》的实现。它旨在提供一个统一的网络，以高效处理多种任务，利用单一表示用于多样化应用。YOLOR 是论文《你只学习一个表示：多任务统一网络》的实现。它旨在提供一个统一的网络，以高效处理多种任务，利用单一表示用于多样化应用。

Ultralytics

AI 应用

#4

一个端到端的计算机视觉平台，用于标注数据、训练YOLO模型并在全球范围内部署，基于广泛采用的Ultralytics YOLO开源框架构建。