Awesome GitHub RepositoriesComputer Vision Models

This project is an open-source, interactive educational platform designed to teach deep learning through a comprehensive, code-first curriculum. It provides a structured learning path that covers foundational mathematics, modern neural network architectures, and practical optimization techniques, enabling practitioners to master complex artificial intelligence concepts through hands-on experimentation. The platform distinguishes itself by integrating technical explanations with executable Jupyter notebooks. This design allows readers to modify code and hyperparameters in real-time, facilitati

This repository serves as a centralized collection of state-of-the-art deep learning architectures and reference implementations designed for research and application development. It provides a comprehensive toolkit for computer vision and natural language processing, offering pre-built models and training pipelines for tasks ranging from image classification and object detection to complex sequence modeling. The project distinguishes itself by providing a flexible execution harness that manages the entire training lifecycle, including data ingestion and backpropagation. It supports scalable

Ultralytics is a comprehensive computer vision framework designed for training, validating, and deploying deep learning models across a wide range of visual recognition tasks. It provides a unified interface for core operations including object detection, instance segmentation, pose estimation, and image classification. By utilizing a modular architecture, the platform allows users to swap model components to balance inference speed and accuracy requirements for diverse applications. The framework distinguishes itself through its support for real-time processing and flexible deployment. It in

Appwrite is a backend-as-a-service platform that provides a unified development environment for building full-stack applications. It integrates essential infrastructure components—including authentication, databases, storage, and serverless functions—into a single, centralized interface to simplify application development and resource management. The platform distinguishes itself through a container-based microservices architecture that ensures consistent execution across diverse infrastructure. It features a versatile connectivity layer that links frontend applications with third-party servi

YOLOv7 is a PyTorch vision library and real-time inference engine designed for object detection, human pose estimation, and instance segmentation. It provides a framework for detecting and locating multiple objects within images or video streams using neural networks. The system includes tools for custom model training and fine-tuning, allowing pre-trained weights to be adapted to specialized datasets via transfer learning. It also supports model weight export and format conversion to facilitate deployment on production servers and embedded edge devices.

OpenALPR is a computer vision platform designed to identify vehicle license plates and attributes from live video streams or static images. It functions as an intelligent access control and analytics system, enabling the automation of security monitoring, parking facility management, and operational workflows through real-time vehicle detection. The platform distinguishes itself by supporting international license plate formats and regional configuration mapping, allowing for deployment across diverse geographic standards. It integrates directly with existing network camera infrastructure, pe

This is a real-time object detection framework built on the YOLOv3 architecture, implemented in PyTorch. It provides a complete pipeline for identifying and localizing objects in images and video using a single neural network pass, combining a Darknet-53 backbone with multi-scale feature pyramids and anchor-based bounding box prediction. The framework extends beyond basic detection to include instance segmentation, human pose estimation, and multi-object tracking across video frames. It offers a model export toolkit that converts trained models through ONNX to CoreML, TensorFlow Lite, and Ten

AlphaPose هو إطار عمل للتعلم العميق مخصص لتقدير وضعية الجسم، وهو مكتبة رؤية حاسوبية مبنية على PyTorch مصممة لاكتشاف وتتبع النقاط الرئيسية لجسم الإنسان، والوجه، واليدين، والقدمين في الصور ومقاطع الفيديو. يوفر النظام أدوات لتقدير وضعية الهيكل العظمي وتتبع وضعية عدة أشخاص في آن واحد. يطبق المشروع أدوات لإعادة بناء وضعية الإنسان ثلاثية الأبعاد، حيث يقوم بتوليد مواقع المفاصل وأشكال شبكة الجسم من بيانات الصور ثنائية الأبعاد. كما يتضمن متتبعاً لوضعية عدة أشخاص قادر على الحفاظ على هوية الأفراد عبر إطارات الفيديو المتتالية. يغطي إطار العمل مجموعة واسعة من قدرات الرؤية الحاسوبية، بما في ذلك تحديد النقاط الرئيسية لعدة أشخاص، وتتبع حركة الإنسان، وإعادة بناء شبكات الجسم ثلاثية الأبعاد.

CenterNet هو إطار عمل لاكتشاف الكائنات بنقطة المركز وخط أنابيب رؤية حاسوبية في الوقت الفعلي. يحدد الكائنات والوضعيات من خلال التنبؤ بنقاط المركز بدلاً من استخدام صناديق التثبيت (Anchor boxes). يعمل النظام كمقدر لصناديق الإحاطة ثلاثية الأبعاد، ونموذج لتقدير وضعية الإنسان، وأداة لاكتشاف الكائنات في الوقت الفعلي. يعامل وضع المفاصل ومواقع الكائنات كمشكلات اكتشاف نقطة المركز لتحديد الكيانات في الصور والفضاء ثلاثي الأبعاد. تغطي القدرات اكتشاف الكائنات ثلاثية الأبعاد، وتقدير النقاط الرئيسية للإنسان، وتحليل الفيديو المباشر. يستخدم خط الأنابيب عملية استدلال تغذية أمامية أحادية المرحلة لإجراء تحليل مستمر على كاميرات الويب أو ملفات الفيديو.

PaddleX is a PaddlePaddle-based framework for building, deploying, and fine-tuning AI model pipelines, with pre-built support for computer vision, OCR, document analysis, and time series tasks. It offers a toolkit of ready-to-use pipelines for image classification, object detection, segmentation, and pose estimation, alongside an end-to-end OCR document analysis pipeline that extracts text, tables, formulas, and layout information. The platform also includes a dedicated time series forecasting pipeline for analyzing historical data to detect anomalies, classify patterns, and predict future val

Gluon-CV هي مكتبة رؤية حاسوبية لـ MXNet توفر مجموعة شاملة من معماريات الرؤية وخطوط أنابيب التدريب المنفذة مسبقاً. تعمل كمجموعة أدوات لأبحاث التعلم العميق وحديقة نماذج تحتوي على أوزان مدربة مسبقاً ومتطورة لتحليل الصور والفيديو. يتضمن المشروع مكتبة متخصصة لتقدير وضعية الإنسان ومجموعة أدوات لضغط النماذج. تسمح هذه الأدوات بتقليم وتكميم نماذج التعلم العميق لزيادة سرعة الاستدلال وتسهيل النشر على أجهزة الحافة المقيدة. تغطي المكتبة مجموعة واسعة من قدرات الرؤية، بما في ذلك تصنيف الصور، واكتشاف الكائنات، والتجزئة الدلالية والمثالية. كما توفر أدوات لتحليل الفيديو، مثل التعرف على الإجراءات، وتتبع الكائنات، وتقدير العمق أحادي العين. يتم دعم التدريب من خلال خطوط أنابيب مؤتمتة وأحمال عمل موزعة على وحدات GPU متعددة لتسريع تقارب النموذج.

هذا المشروع عبارة عن مجموعة من دفاتر Jupyter التعليمية التي تقدم دروساً حول بناء الشبكات العصبية وعمليات المصفوفات (tensors) باستخدام إطار عمل TensorFlow. يعمل كمستودع تعليمي للتعلم الآلي ودليل تنفيذ لطلاب التعلم العميق. تركز المجموعة على بنيات متقدمة محددة، بما في ذلك الشبكات التلافيفية (CNN) لتصنيف الصور، والشبكات المتبقية (residual networks) مع وصلات التخطي لضمان استقرار التدريب، والمشفرات التلقائية المتغيرة (variational autoencoders) للنمذجة التوليدية وتوليف البيانات. كما تتضمن أدلة لبناء المشفرات التلقائية لإزالة الضوضاء والعميقة لاستخراج الميزات وتقليل الأبعاد. يغطي المستودع نطاقاً أوسع من النمذجة التنبؤية، مع تنفيذ الانحدار الخطي ومتعدد الحدود واللوجستي للتنبؤ بالقيم المستمرة والنتائج الثنائية. المحتوى منظم في دفاتر تفاعلية تسمح للمستخدمين بتنفيذ العمليات الرياضية وتعديل تجارب التعلم الآلي.

Sapiens هو نموذج رؤية بشرية عالي الدقة مصمم لمهام رؤية الكمبيوتر التي تركز على الإنسان بدقة عالية. يعمل كمجموعة من الأدوات لتقدير وضعية الإنسان، والعمق، وهندسة السطح. يستخدم المشروع هيكل vision transformer لأداء مهام متعددة من خلال مشفر مشترك. تتيح هذه البنية التنبؤ المتزامن بالهياكل الهيكلية، ومواقع المفاصل، والمسافة بين الكاميرا والموضوع البشري. تغطي قدرات النموذج تجزئة أجزاء جسم الإنسان لعزل المناطق التشريحية عن الخلفيات والتنبؤ بوضع السطح لاستعادة التفاصيل الهندسية ثلاثية الأبعاد من الصور ثنائية الأبعاد. يتم دعم هذه المهام من خلال إطار عمل للتعلم متعدد المهام يستخدم الانحدار على مستوى البكسل وقناع التجزئة الدلالي.

هذا المشروع هو تطبيق PyTorch لبنية بحثية مصممة للتعلم التمثيلي عالي الدقة. يعمل كإطار عمل لرؤية الحاسوب يركز على الكشف الدقيق للنقاط الرئيسية، وتقدير وضعية جسم الإنسان، والتقسيم الدلالي للصور. يوفر التطبيق أدوات متخصصة لتحديد المعالم التشريحية على جسم الإنسان والتنبؤ بإحداثيات النقاط الرئيسية للوجه لتحليل التوجه والمحاذاة. يستخدم نظاماً من التدفقات المتوازية متعددة الدقة ودمجاً متكرراً متعدد المقاييس للحفاظ على تمثيلات عالية الدقة عبر الشبكة. يغطي إطار العمل مجموعة واسعة من مهام رؤية الحاسوب، بما في ذلك اكتشاف الكائنات، وتصنيف الصور، والتقسيم الدلالي على مستوى البكسل. كما يتضمن مسارات عمل لتدريب النماذج على مجموعات بيانات مصنفة وتقييم دقة مواضع المفاصل المتوقعة كمياً مقابل بيانات التحقق.

هذا المشروع عبارة عن مجموعة من أمثلة تعلم الآلة TensorFlow التي توفر تطبيقات مرجعية لنماذج شبكة عصبية مختلفة. يغطي نماذج التعلم الخاضع للإشراف، وغير الخاضع للإشراف، والتعزيزي، والمتسلسل. يتضمن المستودع تطبيقات للشبكات العصبية التلافيفية التي تركز على تصنيف الصور وترتيبها، بالإضافة إلى الشبكات العصبية المتكررة للتنبؤ بالسلاسل الزمنية والترجمة من تسلسل إلى تسلسل. كما يوفر أمثلة لوكلاء التعلم التعزيزي المدربين عبر تحسين المكافأة وتقنيات التعلم غير الخاضع للإشراف مثل أجهزة التشفير التلقائي والخرائط ذاتية التنظيم لتجميع البيانات. تغطي القدرات الإضافية الانحدار والتصنيف الخاضع للإشراف، وتوليد التضمين الدلالي، واستخدام نماذج ماركوف المخفية لنمذجة البيانات المتسلسلة. يتضمن المشروع أيضاً أدوات لإدارة عمليات الموتر وتصور أداء النموذج عبر لوحات المعلومات. يتم تقديم المحتوى كسلسلة من دفاتر Jupyter.

هذا المشروع عبارة عن مورد تعليمي شامل ودليل تدريبي لبناء وتدريب ونشر نماذج تعلم الآلة باستخدام TensorFlow 2. يعمل كدليل تعليمي منظم يغطي مفاهيم التعلم العميق الأساسية، بما في ذلك معماريات الشبكات العصبية، والاشتقاق التلقائي، وعمليات الموترات (Tensors). يوفر الدليل توجيهات تقنية حول تحسين كفاءة التنفيذ من خلال إدارة ذاكرة GPU، والتدريب الموزع، وتكميم النماذج (Model Quantization). كما يتضمن أدلة مفصلة لبناء خطوط معالجة بيانات عالية الأداء وتصدير النماذج لخوادم الإنتاج، والأجهزة المحمولة، ومتصفحات الويب. تغطي المادة مجموعة واسعة من القدرات، بما في ذلك تطوير النماذج باستخدام الشبكات التلافيفية (CNN) والمتكررة (RNN)، وتنفيذ دوال خسارة وطبقات مخصصة، واستخدام النماذج المدربة مسبقاً للتعلم بنقل المعرفة (Transfer Learning). كما يتناول استراتيجيات النشر للأجهزة الطرفية (Edge Devices) واستخدام بيئات التشغيل السحابية لتسريع العتاد. تم تنفيذ المادة كمجموعة من دفاتر Jupyter Notebooks.

HigherHRNet هو إطار عمل للتعلم العميق مصمم لتقدير وضعية الإنسان من الأسفل إلى الأعلى (bottom-up). يعمل ككاشف للنقاط الرئيسية في الرؤية الحاسوبية، حيث يحدد ويتتبع مفاصل جسم الإنسان باستخدام أهرامات الميزات عالية الدقة والتعلم التمثيلي المدرك للمقياس. يتميز المشروع بنهج من الأسفل إلى الأعلى، والذي يحدد أجزاء الجسم الفردية عبر الصورة بأكملها قبل تجميعها في هياكل عظمية بشرية متميزة. يتم دعم هذه المنهجية من خلال دمج الميزات متعددة الدقة، والتي تحافظ على تمثيلات عالية الدقة عبر الشبكة من خلال دمج الفروع المتوازية ذات الدقة المكانية المتغيرة بشكل متكرر. ولضمان دقة متسقة للأشخاص ذوي الأحجام المختلفة، يستخدم النظام انحدار الخرائط الحرارية المدرك للمقياس والاستدلال متعدد المقاييس، مما يجمع التنبؤات عبر دقات صور متعددة. يتضمن إطار العمل أدوات شاملة لتدريب الشبكات العصبية على مجموعات بيانات كبيرة. تدمج خطوط أنابيب التدريب هذه تسوية الدفعات المتزامنة (synchronized batch normalization) لتحقيق استقرار التقارب عبر وحدات معالجة الرسومات المتعددة، وحوسبة الموتر بدقة مختلطة لإدارة استهلاك الذاكرة وسرعة التدريب. تستخدم البنية أيضاً طبقات رفع الدقة (upsampling) التلافيفية لتعيين التمثيلات منخفضة الدقة مرة أخرى إلى أبعاد الإدخال الأصلية.

هذا المشروع عبارة عن إطار عمل للتعلم العميق مصمم لاكتشاف وتتبع النقاط الرئيسية لجسم الإنسان في الصور وتدفقات الفيديو. يعمل كنظام تتبع حركة في الوقت الفعلي وبيئة تعلم آلة لتدريب وتقييم نماذج تقدير الوضعية. يستخدم النظام شبكة عصبية تلافيفية ثنائية الفرع للتنبؤ بمواقع أجزاء الجسم واتصالاتها الاتجاهية في وقت واحد. يستخدم النظام تحسين الميزات متعدد المراحل لتحسين دقة تحديد النقاط الرئيسية ويستخدم خوارزميات التحليل الجشع والمطابقة الثنائية لربط الأجزاء المكتشفة في هياكل عظمية فردية. للحفاظ على الأداء أثناء تحليل الفيديو المباشر، ينفذ إطار العمل استدلالاً متوازياً عبر مناطق الصورة باستخدام معالجة الدفعات القائمة على الموتر. بعيداً عن التتبع في الوقت الفعلي، توفر المكتبة أدوات لتدريب النماذج على مجموعات البيانات المشروحة وحساب متوسط الدقة مقابل المعايير القياسية للتحقق من جودة الاكتشاف. يتضمن المستودع المكونات اللازمة لإدارة دورة حياة تقدير الوضعية بالكامل، من تدريب النموذج الأولي إلى التحقق من الأداء.

هذا المشروع عبارة عن خط أنابيب رؤية حاسوبية يدمج اكتشاف الكائنات وتتبعها لمراقبة الكائنات المتحركة داخل تدفقات الفيديو. يعمل كأداة تحليلات شاملة تعالج إطارات الفيديو لتحديد، وتصنيف، والحفاظ على الهوية الفريدة للكائنات أثناء تحركها عبر المشهد. يستخدم النظام مزيجاً من استنتاج التعلم العميق للاكتشاف وتقدير الحركة لضمان الاستمرارية الزمنية. من خلال إقران واصفات المظهر المرئي بنمذجة الحركة التنبؤية، فإنه يحافظ على هويات الكائنات حتى أثناء الانسدادات المؤقتة أو عندما يكون التداخل المكاني غير كافٍ. يستخدم إطار العمل معالجة تسلسلية لمزامنة نتائج الاكتشاف مع منطق التتبع، مما يسمح بالمراقبة المتسقة لأنماط الحركة. بعيداً عن التتبع الأساسي، يتضمن البرنامج قدرات لقياس النشاط داخل تغذية الفيديو. ويدعم حساب إجمالي الكائنات أو المركبات أثناء عبورها خطوطاً محددة أو دخولها مناطق معينة. تم هيكلة التنفيذ كإطار عمل تطوير لبناء تطبيقات رؤية مخصصة تفسر وتستخرج البيانات من البيئات الديناميكية.

هذا المشروع عبارة عن إطار عمل للرؤية الحاسوبية مصمم للكشف في الوقت الفعلي عن النقاط الرئيسية لجسم الإنسان والهياكل الهيكلية. يوفر مجموعة أدوات متكاملة لتدريب وتحسين وتنفيذ نماذج تقدير الوضعية (pose estimation) خصيصاً للنشر على أجهزة الحوسبة الطرفية (edge computing). يتميز إطار العمل باستخدام تعيين مجال تقارب الأجزاء (part affinity field mapping) لتشفير العلاقات المكانية بين المفاصل، والتي تتم معالجتها بعد ذلك من خلال خوارزمية تحليل جشعة لإعادة بناء هياكل جسم الإنسان من البيانات البصرية. لضمان تنفيذ عالي الأداء، تدمج المكتبة تكميم النموذج ومحركات الاستدلال المسرعة بالعتاد التي تحسن الرسوم البيانية الحسابية لأجهزة محلية محددة. بالإضافة إلى الكشف الأساسي، يدعم المشروع سير عمل شامل يتضمن تطوير نماذج وضعية مخصصة باستخدام مخططات مجموعات بيانات قياسية. تسمح هذه القدرات بضبط النماذج لمعالجة مهام كشف فريدة مع الحفاظ على متطلبات زمن الوصول المنخفض اللازمة لتحليل بث الفيديو المباشر.