最佳 计算机视觉工具 AI GitHub 仓库

PaddleOCR

AI GitHub 仓库

#14

强大且轻量级的 OCR 工具包，旨在将 PDF 和图像文档转换为 AI 应用程序所需的结构化数据。它支持超过 100 种语言，弥合了图像、PDF 和大型语言模型之间的差距。PaddleOCR 是一个强大且轻量级的 OCR 工具包，旨在将 PDF 和图像文档转换为 AI 应用程序所需的结构化数据。它支持超过 100 种语言，弥合了图像、PDF 和大型语言模型之间的差距。

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。

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。

Voxel51 FiftyOne

AI GitHub 仓库

#128

FiftyOne 是一个开源工具，用于优化高质量数据集和视觉 AI 模型。它使开发人员能够高效地管理、可视化和分析数据集，从而提升 AI 模型的性能。

DeepFace

AI GitHub 仓库

#135

轻量级的Python库，提供面部识别和面部属性分析，包括年龄、性别、情感和种族检测。它旨在易于使用并集成到各种应用程序中，为开发人员提供强大的面部分析工具。DeepFace是一个轻量级的Python库，提供面部识别和面部属性分析，包括年龄、性别、情感和种族检测。它旨在易于使用并集成到各种应用程序中，为开发人员提供强大的面部分析工具。

YOLO-World

AI GitHub 仓库

#142

由 AILab-CVC 开发的实时开放词汇目标检测工具。它旨在通过允许检测训练期间未见过的物体来增强目标检测能力，使其在各种应用中具有多功能性。YOLO-World 是由 AILab-CVC 开发的实时开放词汇目标检测工具。它旨在通过允许检测训练期间未见过的物体来增强目标检测能力，使其在各种应用中具有多功能性。

labelCloud

AI GitHub 仓库

#219

轻量级工具，旨在为点云中的 3D 边界框进行标注。它非常适合处理 3D 数据的开发者和研究人员，为机器学习和计算机视觉应用提供了一种高效的注释复杂数据集的方法。labelCloud 是一个轻量级工具，旨在为点云中的 3D 边界框进行标注。它非常适合处理 3D 数据的开发者和研究人员，为机器学习和计算机视觉应用提供了一种高效的注释复杂数据集的方法。

Unlimited OCR Works

AI GitHub 仓库

无限OCR是百度开发的一个专注于光学字符识别的GitHub仓库。它引入了一次性长视距解析，旨在显著增强OCR能力。该项目是开源的，欢迎有兴趣推动OCR技术的开发者贡献代码。

FaceNet

AI GitHub 仓库

基于 FaceNet 论文的 TensorFlow 实现，用于人脸识别和聚类。它利用深度学习模型为面部生成统一的嵌入向量，从而实现准确的识别和分组。该项目提供了预训练模型和用于训练自定义分类器的代码。FaceNet 是一个基于 FaceNet 论文的 TensorFlow 实现，用于人脸识别和聚类。它利用深度学习模型为面部生成统一的嵌入向量，从而实现准确的识别和分组。该项目提供了预训练模型和用于训练自定义分类器的代码。

ViT-Adapter

AI GitHub 仓库

人工智能模型，可提高 Vision Transformer (ViT) 在目标检测和分割等密集预测任务上的性能。它在无需预训练的情况下引入了特定于图像的归纳偏置，使普通 ViT 能够取得与专用 Transformer 相当的结果，从而适用于各种下游应用。ViT-Adapter 是一款人工智能模型，可提高 Vision Transformer (ViT) 在目标检测和分割等密集预测任务上的性能。它在无需预训练的情况下引入了特定于图像的归纳偏置，使普通 ViT 能够取得与专用 Transformer 相当的结果，从而适用于各种下游应用。

生成式图像到文本转换器

AI GitHub 仓库

GIT（生成式图像到文本转换器）是微软开发的一款用于视觉和语言任务的AI模型。它能从图像生成文本描述，并执行视觉问答。该模型提供多种预训练和微调版本，适用于不同应用。

Vision Transformer

AI GitHub 仓库

Vision Transformer (ViT) 仓库提供了用于图像识别任务的模型和代码。它包括 Vision Transformer 和 MLP-Mixer 架构的实现，这些模型已在 ImageNet 和 ImageNet-21k 数据集上进行了预训练，并提供了 JAX/Flax 中的微调代码。

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。

Squeeze-and-Excitation Networks

AI GitHub 仓库

深度学习模型架构，可自适应地重新校准通道特征响应。它通过显式建模通道间的相互依赖性来提高性能，从而在图像分类任务中获得更高的准确性。该实现基于 Caffe。Squeeze-and-Excitation Networks (SENet) 是一种深度学习模型架构，可自适应地重新校准通道特征响应。它通过显式建模通道间的相互依赖性来提高性能，从而在图像分类任务中获得更高的准确性。该实现基于 Caffe。

Packfix

AI GitHub 仓库

GitHub项目，旨在验证AI生成的产品图像，确保其保留真实的包装。它使用SIFT/RANSAC内点门提供每个包装每帧的通过/失败结果，确保AI生成视觉的真实性和准确性。Packfix是一个GitHub项目，旨在验证AI生成的产品图像，确保其保留真实的包装。它使用SIFT/RANSAC内点门提供每个包装每帧的通过/失败结果，确保AI生成视觉的真实性和准确性。

OpenPose

AI GitHub 仓库

由卡内基梅隆大学感知计算实验室开发的实时多人体关键点检测库。它能够估计身体、面部、手部和脚部的关键点，从而支持高级计算机视觉应用。OpenPose 是由卡内基梅隆大学感知计算实验室开发的实时多人体关键点检测库。它能够估计身体、面部、手部和脚部的关键点，从而支持高级计算机视觉应用。

UltimateLabeling 视频标注工具

AI GitHub 仓库

多功能的视频标注图形用户界面（GUI），基于 Python，集成了最先进的检测器和跟踪器。它有助于高效的视频注释，提高开发者和研究人员的生产力。UltimateLabeling 是一个多功能的视频标注图形用户界面（GUI），基于 Python，集成了最先进的检测器和跟踪器。它有助于高效的视频注释，提高开发者和研究人员的生产力。

ImageTagger 平台

AI GitHub 仓库

开源在线平台，旨在促进协作图像标注。它便于团队在标注图像时的合作，非常适合需要精确图像数据标注的项目。ImageTagger 是一个开源在线平台，旨在促进协作图像标注。它便于团队在标注图像时的合作，非常适合需要精确图像数据标注的项目。

TaskMatrix

AI GitHub 仓库

开源的GitHub项目，基于"Visual ChatGPT"论文中发布的方法，将ChatGPT与视觉基础模型连接，以便在对话中发送和接收图像。用户用简单的语言描述编辑内容，像GroundingDINO、Segment Anything和Stable Diffusion这样的模型定位、遮罩并编辑图像中请求的部分。TaskMatrix是一个开源的GitHub项目，基于"Visual ChatGPT"论文中发布的方法，将ChatGPT与视觉基础模型连接，以便在对话中发送和接收图像。用户用简单的语言描述编辑内容，像GroundingDINO、Segment Anything和Stable Diffusion这样的模型定位、遮罩并编辑图像中请求的部分。

DINOv3

AI GitHub 仓库

提供了一个由 Facebook Research 开发的参考 PyTorch 实现和模型。它旨在为希望利用自监督学习技术进行计算机视觉任务的研究人员和开发者提供支持。DINOv3 提供了一个由 Facebook Research 开发的参考 PyTorch 实现和模型。它旨在为希望利用自监督学习技术进行计算机视觉任务的研究人员和开发者提供支持。

感知编码器

AI GitHub 仓库

由Facebook研究开发的最先进的AI工具。它专注于图像和视频CLIP模型以及多模态大型语言模型，提供处理和理解视觉和文本数据的高级能力。感知编码器是由Facebook研究开发的最先进的AI工具。它专注于图像和视频CLIP模型以及多模态大型语言模型，提供处理和理解视觉和文本数据的高级能力。

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。

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。

BoT-SORT: 多行人跟踪

AI GitHub 仓库

强大的多行人跟踪工具，旨在提高跟踪系统的准确性。它专注于改善跟踪场景中的关联，使其成为开发人员在行人检测和跟踪项目中宝贵的资源。BoT-SORT 是一个强大的多行人跟踪工具，旨在提高跟踪系统的准确性。它专注于改善跟踪场景中的关联，使其成为开发人员在行人检测和跟踪项目中宝贵的资源。

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。

GOT-OCR 2.0

AI GitHub 仓库

通用 OCR 理论的官方代码实现，旨在通过统一的端到端模型推动 OCR 技术的发展。该项目托管在 GitHub 上，为开发者提供增强光学字符识别能力的工具。GOT-OCR 2.0 是通用 OCR 理论的官方代码实现，旨在通过统一的端到端模型推动 OCR 技术的发展。该项目托管在 GitHub 上，为开发者提供增强光学字符识别能力的工具。

LOST - 图像标注工具

AI GitHub 仓库

基于网络的工具，旨在简化图像标注过程。它允许用户设计自定义标注工作流程，提高标注任务的效率和准确性。LOST 是一个基于网络的工具，旨在简化图像标注过程。它允许用户设计自定义标注工作流程，提高标注任务的效率和准确性。

LabelFormat 工具

AI GitHub 仓库

旨在高效转换计算机视觉标签格式的工具。它支持多种格式，使开发人员更容易管理和转换不同机器学习模型的标签。LabelFormat 是一款旨在高效转换计算机视觉标签格式的工具。它支持多种格式，使开发人员更容易管理和转换不同机器学习模型的标签。

Mask R-CNN

AI GitHub 仓库

用于目标检测和实例分割的深度学习模型，基于 Keras 和 TensorFlow 实现。它旨在识别和分割图像中的对象，为计算机视觉的各种应用提供像素级的准确性。Mask R-CNN 是一个用于目标检测和实例分割的深度学习模型，基于 Keras 和 TensorFlow 实现。它旨在识别和分割图像中的对象，为计算机视觉的各种应用提供像素级的准确性。

边界框编辑器

AI GitHub 仓库

基于JavaFX的桌面应用程序，旨在使用边界框创建图像对象注释。它简化了精确的注释任务，非常适合处理图像数据的开发人员和研究人员。边界框编辑器是一个基于JavaFX的桌面应用程序，旨在使用边界框创建图像对象注释。它简化了精确的注释任务，非常适合处理图像数据的开发人员和研究人员。

Anomalib

AI GitHub 仓库

具有最先进算法的异常检测库。它提供实验管理、超参数优化和边缘推理能力，使其成为开发人员和研究人员在异常检测方面的全面工具。Anomalib 是一个具有最先进算法的异常检测库。它提供实验管理、超参数优化和边缘推理能力，使其成为开发人员和研究人员在异常检测方面的全面工具。

监督

AI GitHub 仓库

专注于创建可重用计算机视觉工具的GitHub项目。它允许开发者通过协作开发来贡献和增强他们的计算机视觉能力。监督是一个专注于创建可重用计算机视觉工具的GitHub项目。它允许开发者通过协作开发来贡献和增强他们的计算机视觉能力。

Scalabel

AI GitHub 仓库

多功能的基于网络的视觉数据标注工具，旨在简化数据集的标注和管理过程。它支持多种标注类型，适用于计算机视觉和机器学习项目的各种应用。Scalabel 是一个多功能的基于网络的视觉数据标注工具，旨在简化数据集的标注和管理过程。它支持多种标注类型，适用于计算机视觉和机器学习项目的各种应用。

Annotate Lab

AI GitHub 仓库

开源图像标注工具，旨在高效创建数据集。它具有直观的界面和灵活的导出选项，简化了机器学习工作流程。Annotate Lab 是一个开源图像标注工具，旨在高效创建数据集。它具有直观的界面和灵活的导出选项，简化了机器学习工作流程。

Tesseract OCR

AI GitHub 仓库

开源的光学字符识别引擎。它支持多种语言，可用于从图像中提取文本。非常适合寻求强大 OCR 解决方案的开发者。Tesseract OCR 是一个开源的光学字符识别引擎。它支持多种语言，可用于从图像中提取文本。非常适合寻求强大 OCR 解决方案的开发者。

PixelRAG

AI GitHub 仓库

开源项目，旨在引入可扩展的像素原生搜索，旨在彻底改变网络解析。它提供了一种高效处理和搜索像素数据的新方法。PixelRAG是一个开源项目，旨在引入可扩展的像素原生搜索，旨在彻底改变网络解析。它提供了一种高效处理和搜索像素数据的新方法。

Geo-Sleuth

AI GitHub 仓库

代理技能，利用 OpenStreetMap 几何、海拔天际线、卫星图像和街景确定照片拍摄位置。它与 Claude Code、Codex、Cursor、Gemini CLI、OpenCode 和 GitHub Copilot 集成，以增强其功能。Geo-Sleuth 是一种代理技能，利用 OpenStreetMap 几何、海拔天际线、卫星图像和街景确定照片拍摄位置。它与 Claude Code、Codex、Cursor、Gemini CLI、OpenCode 和 GitHub Copilot 集成，以增强其功能。