Awesome GitHub RepositoriesComputer Vision Annotation

CVAT هي أداة تعليق رؤية حاسوبية مفتوحة المصدر ومنصة إدارة مجموعات بيانات مرئية. توفر واجهة مستضافة ذاتياً لتصنيف الصور ومقاطع الفيديو والبيانات ثلاثية الأبعاد لإنشاء مجموعات بيانات لنماذج الذكاء الاصطناعي للرؤية. تتميز المنصة بتصنيف البيانات بمساعدة الذكاء الاصطناعي لأتمتة إنشاء الأقنعة وصناديق التحديد، باستخدام نظام إضافات للاتصال بنماذج تعلم آلي خارجية. تتضمن نظام ضمان جودة قائماً على الإجماع يتحقق من دقة التصنيف من خلال مقارنة التعليقات المستقلة. يغطي النظام إدارة الفريق التعاوني، وتنظيم المشاريع من خلال تفكيك المهام، وتكامل التخزين السحابي عن بُعد. كما يوفر REST API للتحكم البرمجي في سير العمل واستيراد وتصدير البيانات بتنسيقات قياسية في الصناعة.

Labelme هي أداة تعليق صور تعتمد على Python تُستخدم لإنشاء مجموعات بيانات الرؤية الحاسوبية. تعمل كمحرر مرئي للتقسيم الدلالي، مما يسمح للمستخدمين بتحديد حدود الكائنات باستخدام المضلعات والمستطيلات والنقاط والدوائر. يعمل التطبيق أيضاً كمعلق صور متعدد الأطياف، ويدعم ملفات TIFF ذات العمق العالي المستخدمة في صور الأقمار الصناعية والصور العلمية. تتضمن الأداة قدرات تصنيف بمساعدة الذكاء الاصطناعي لأتمتة إنشاء الأقنعة والمضلعات. تسمح هذه الميزات بإنشاء الأشكال المدفوع بمطالبات نصية أو اختيارات نقاط تفاعلية، والتي تقترح حدوداً بناءً على نقاط إيجابية وسلبية يضعها المستخدم. يغطي البرنامج مجموعة واسعة من مهام إدارة البيانات والتعليق، بما في ذلك إنشاء أقنعة بكسل كثيفة، وصناديق التحديد الدوارة، وتسلسل إطارات الفيديو. يتضمن خط أنابيب لترجمة استمرارية حالة JSON الداخلية إلى تنسيقات مجموعات بيانات قياسية مثل COCO و Pascal VOC. تشمل القدرات الإضافية علامات تصنيف على مستوى الصورة، وأدوات تحسين الهندسة، واستيراد الصور المجمعة.

This project is a collection of educational resources and implementation frameworks providing deep learning model recipes, code samples, and step-by-step guides for computer vision tasks. It organizes complex workflows into modular recipes and implementation guides to facilitate the building of image and video analysis models. The framework focuses on specialized vision capabilities, including an image similarity framework for fast retrieval and re-ranking, human pose estimation, and video action recognition. It also provides specific tools for crowd density estimation and document image clea

FastSAM is an image segmentation framework that uses convolutional neural networks to isolate visual elements and generate masks for detectable objects within images. It provides a system for both automatic all-object segmentation and promptable image segmentation. The project utilizes an inference-optimized architecture to reduce computational overhead, enabling faster mask generation and real-time visual analysis. It supports the creation of precise masks through various prompt inputs, including points, bounding boxes, and text descriptions. The framework covers broader computer vision cap

X-AnyLabeling is an AI-assisted annotation platform and computer vision labeling tool. It provides an interface for annotating images and videos using polygons and rectangles to create training sets for machine learning models. The project distinguishes itself through the integration of external AI models via a plugin-based inference backend, allowing for automated generation of candidate labels and the execution of specialized tasks like pose estimation and object detection. It also functions as an optical character recognition tool for extracting text and layout information from document im

This project is a toolkit and API designed for parsing, manipulating, and visualizing image annotations for computer vision tasks. It provides a programming interface to load and organize Common Objects in Context annotations, specifically for object detection, image segmentation, and keypoint estimation. The library includes tools for converting formatted JSON files into data structures that support the analysis of pixel-level masks and skeletal markers. It enables the visual verification of ground truth accuracy by rendering bounding boxes, segmentation masks, and keypoint markers directly

VoTT هو برنامج لتعليق بيانات الرؤية الحاسوبية (computer vision annotation) وأداة لإعداد مجموعات بيانات تعلم الآلة. هو تطبيق سطح مكتب مصمم لرسم مربعات الإحاطة (bounding boxes) وتعيين وسوم للكائنات في الصور ومقاطع الفيديو لإنشاء مجموعات بيانات تدريب لنماذج اكتشاف الكائنات. يستخدم التطبيق واجهة سطح مكتب متعددة المنصات لإدارة أصول الصور والفيديو. ويتميز بتكامل تخزين محلي (local-first) للتعامل مع أصول الوسائط الكبيرة مباشرة من نظام ملفات الجهاز المضيف، ويتضمن أخذ عينات فيديو محكوم بمعدل الإطارات لاستخراج صور محددة من تدفقات الفيديو للوسم. يغطي البرنامج دورة حياة البيانات الكاملة، بما في ذلك استيراد الأصول من التخزين المحلي أو السحابي وتحويل البيانات المعلقة إلى تنسيقات تعلم آلة متنوعة عبر تصديرات قائمة على المخططات (schema-based). كما يتضمن تشفيراً قائماً على الرموز لتأمين إعدادات تكوين المشروع الحساسة.

ISAT with Segment Anything is a desktop application designed for computer vision data labeling and interactive image segmentation. It provides a semi-automatic annotation suite that accelerates the creation of object masks, polygons, and metadata for training datasets. The application translates user actions into spatial constraints through interactive visual prompting with clicked points and bounding boxes, as well as text-based prompts. It operates via a model-agnostic inference pipeline that interchanges multiple vision and language backbone networks through a unified adapter layer. A desk