Détection visuelle des cibles

Introduction générale Trackers est une bibliothèque d'outils Python open source axée sur le suivi d'objets multiples dans les vidéos. Elle intègre plusieurs algorithmes de suivi de premier plan, tels que SORT et DeepSORT, et permet aux utilisateurs de combiner différents modèles de détection d'objets (tels que YOLO...

Description générale Describe Anything est un projet open source développé par NVIDIA et plusieurs universités, dont le cœur est le modèle Describe Anything (DAM). Cet outil permet d'étiqueter des images ou des vidéos en fonction des...

Introduction générale Find My Kids est un projet open source hébergé sur GitHub et créé par le développeur Tomer Klein. Il associe la technologie de reconnaissance faciale DeepFace à l'API WhatsApp Green...

YOLOE est un projet open source développé par le Multimedia Intelligence Group (THU-MIG) de la School of Software de l'Université de Tsinghua, dont le nom complet est "You Only Look Once Eye". Il est basé sur le framework PyTorch, qui appartient à la série d'extensions YOLO...

Introduction générale SegAnyMo est un projet open source développé par une équipe de chercheurs de l'UC Berkeley et de l'Université de Pékin, comprenant des membres tels que Nan Huang. Cet outil se concentre sur le traitement vidéo et peut automatiquement identifier et segmenter des objets arbitraires en mouvement dans une vidéo, tels que des personnes, des animaux ou...

Introduction complète RF-DETR est un modèle de détection d'objets open source développé par l'équipe Roboflow. Il est basé sur l'architecture Transformer et sa caractéristique principale est l'efficacité en temps réel. Pour la première fois, le modèle atteint plus de 60 AP en temps réel sur l'ensemble de données Microsoft COCO...

Introduction générale HumanOmni est un grand modèle multimodal open source développé par l'équipe HumanMLLM et hébergé sur GitHub. Il se concentre sur l'analyse de vidéos humaines et peut traiter à la fois l'image et le son pour aider à comprendre les émotions, les actions et le contenu du dialogue. Le projet a utilisé 2...

Introduction générale Vision Agent est un projet open source développé par LandingAI (Team Enda Wu), hébergé sur GitHub, conçu pour aider les utilisateurs à générer rapidement du code pour résoudre des tâches de vision par ordinateur. Il utilise un cadre d'agent avancé et des modèles multimodaux...

Introduction générale Make Sense est un outil d'annotation d'images en ligne gratuit conçu pour aider les utilisateurs à préparer rapidement des ensembles de données pour des projets de vision par ordinateur. Il ne nécessite aucune installation compliquée, il suffit d'ouvrir un accès au navigateur pour l'utiliser, il supporte plusieurs systèmes d'exploitation, et il est idéal pour les petits projets d'apprentissage profond. Les utilisateurs peuvent...

Introduction complète YOLOv12 est un projet open source développé par l'utilisateur de GitHub sunsmarterjie , qui se concentre sur la technologie de détection de cible en temps réel . Le projet est basé sur la série de frameworks YOLO (You Only Look Once), l'introduction de la note ...

Introduction complète VLM-R1 est un projet open source de modélisation visuelle du langage développé par Om AI Lab et hébergé sur GitHub. Le projet est basé sur l'approche R1 de DeepSeek, combinée au modèle Qwen2.5-VL, par le biais de l'apprentissage par renforcement...

Introduction HealthGPT est un modèle de langage visuel médical avancé qui vise à atteindre une compréhension visuelle médicale unifiée et des capacités de génération grâce à l'adaptation des connaissances hétérogènes. L'objectif du projet est d'intégrer la compréhension visuelle médicale et les capacités de génération dans un cadre autorégressif unifié qui améliore...

Introduction complète MedRAX est une intelligence artificielle de pointe conçue pour l'analyse des radiographies pulmonaires (CXR). Il intègre des outils d'analyse CXR de pointe et des modèles multimodaux de langage étendu pour traiter dynamiquement des requêtes médicales complexes sans formation supplémentaire.

Introduction complète Agentic Object Detection est un outil avancé de détection de cibles par Landing AI. L'outil effectue la détection par le biais d'invites textuelles, éliminant ainsi le besoin d'annotation des données et d'entraînement du modèle, ce qui simplifie grandement le processus de détection de cibles traditionnel...

Introduction complète CogVLM2 est un modèle multimodal open source développé par le Tsinghua University Data Mining Research Group (THUDM), basé sur l'architecture Llama3-8B, et visant à fournir des performances comparables ou même supérieures à GPT-4V. Le modèle prend en charge la compréhension des images, le dialogue...

Synthesis Gaze-LLE est un outil de prédiction de la cible du regard basé sur un codeur d'apprentissage à grande échelle. Il a été développé par Fiona Ryan, Ajay Bati, Sangmin Lee, Daniel Bolya, Judy Hoffman et J...

Comprehensive Introduction Video Analyzer est un outil d'analyse vidéo complet qui combine des techniques de vision par ordinateur, de transcription audio et de traitement du langage naturel pour générer des descriptions détaillées du contenu vidéo. L'outil transcrit le contenu audio en extrayant les images clés de la vidéo...

Introduction générale Twelve Labs est une société d'intelligence artificielle multimodale spécialisée dans la compréhension des vidéos, dont l'objectif est d'aider les utilisateurs à comprendre et à traiter de grandes quantités de contenu vidéo grâce à des technologies d'intelligence artificielle avancées. Ses principales technologies comprennent la recherche, la génération et l'intégration de vidéos, qui sont capables d'extraire des caractéristiques clés de la vidéo, telles que les actions, les objets...