Awesome GitHub RepositoriesImage Recognition Systems

Darknet is a low-level neural network engine and framework written in C. It is designed for training and deploying deep learning models, with a primary focus on convolutional neural networks. The project serves as a CUDA accelerated deep learning library that offloads heavy mathematical operations to NVIDIA graphics hardware. This acceleration is used to increase processing speed and reduce execution time during the training of large networks. The engine supports a range of activities including deep learning research, image recognition development, and the training of convolutional neural ne

This project is an automated machine learning framework and toolkit designed for training and tuning custom models for classification, regression, and recommendations. It functions as a multimodal machine learning toolkit capable of processing and training models using a combination of text, image, audio, and sensor data. The framework distinguishes itself as a multimodal data processor that can handle and visualize large datasets on a single machine using column-oriented disk storage. It includes a core machine learning model generator that converts trained models into formats compatible wit

ConvNetJS is a JavaScript deep learning library and neural network training engine designed for client-side machine learning. It functions as a framework for building, training, and running convolutional neural networks directly within a web browser without the need for a backend server. The library specializes in image recognition and pattern analysis using convolutional and pooling layers. It enables the creation of models for classification and regression tasks, as well as the development of reinforcement learning agents that optimize behavior through trial and error in simulated environme

KoboldCPP is a local large language model inference engine and GGUF model runner designed to execute quantized models on personal hardware. It functions as a multimodal AI server and API gateway, providing OpenAI-compatible endpoints that allow third-party clients to interact with locally hosted models. The project distinguishes itself as an AI storytelling backend, featuring dedicated tools for long-form narrative management through persistent memory, world lore tracking, and character state management. It further extends its capabilities as a multimodal server capable of processing text, im

This project is a Python implementation of the Faster R-CNN object detection framework. It serves as a convolutional neural network library and tool for locating and classifying multiple objects within images. The framework provides a pre-trained model implementation that allows for object detection inference without manual training. It supports the full lifecycle of object detection, including training detectors on visual datasets to identify and bound specific object classes. The system covers capabilities for computer vision model evaluation, neural network optimization to reduce model si

Anti-Anti-Spider is an automated web scraping toolkit and CAPTCHA bypass framework. It uses convolutional neural networks to recognize characters and digits in image-based security challenges, enabling programmatic access to protected web content. The project functions as an image recognition model trainer, providing a workflow to preprocess labeled image datasets and train custom neural networks. Users can configure model architectures and hyperparameters to align the recognition system with the visual style of specific target websites. The toolkit covers capabilities for image data preproc

The TensorFlow Cookbook is a collection of code examples and recipes for building, training, and deploying machine learning models using TensorFlow. It covers the full model lifecycle, from constructing neural networks and training them with configurable parameters to packaging trained models for production deployment with unit tests and multi-device support. The project also integrates TensorBoard for logging and visualizing computational graphs, scalar summaries, and histograms during training. The cookbook demonstrates a wide range of machine learning techniques, including convolutional ne

is-thirteen هي مكتبة للتحقق من الأرقام ومدقق للمساواة العددية مصممة للتحقق مما إذا كان الإدخال المعطى يساوي القيمة ثلاثة عشر. تعمل كأداة لتصنيف البيانات تحدد هذه القيمة المحددة عبر تدفقات الإدخال الرقمية والنصية والمرئية. يتضمن المشروع مصنف أرقام يعتمد على الصور يستخدم التعلم العميق وتحليل الشبكات العصبية لتحديد التمثيلات المرئية للرقم ثلاثة عشر داخل الصور المرفوعة. تغطي المكتبة مجموعة متنوعة من طرق التحقق، بما في ذلك المساواة الحسابية الدقيقة، ومطابقة القيم التقريبية ضمن نطاقات سماح محددة، وتحليل التدوين العلمي، ومطابقة الأنماط اللغوية للأشكال المكتوبة للرقم.

This is an open-source automation tool for the game Wuthering Waves that uses image recognition to control gameplay without modifying game memory or files. It runs automation tasks while the game window is minimized or obscured, freeing the computer for other use, and accepts command-line arguments to start specific tasks and optionally exit after completion. The tool automatically detects playable characters through screen analysis and adapts actions without manual skill configuration. It supports all common 16:9 resolutions up to 4K as well as some ultrawide formats, with a minimum required

PyBoy هو محاكي Game Boy قابل للبرمجة وإطار عمل لمحاكاة الأجهزة مكتوب بلغة Python. يعمل كمحرك محاكاة يسمح للمستخدمين بتشغيل برامج الأجهزة المحمولة الأصلية مع توفير واجهة برمجية للتحكم في تنفيذ اللعبة وفحصه وأتمتته. تم تصميم المشروع خصيصاً كبيئة للتعلم التعزيزي، حيث يكشف عن حالات المحاكي وعناصر التحكم لتسهيل تدريب وكلاء التعلم الآلي. يتميز بتوفير أدوات لرسم خرائط منطقة اللعبة واستخراج تمثيلات الشاشة ثنائية الأبعاد المبسطة وخرائط التصادم لدعم الذكاء الاصطناعي. يغطي النظام مجموعة واسعة من الإمكانيات بما في ذلك محاكاة الأجهزة بدقة الدورة، وعمليات القراءة والكتابة المباشرة في الذاكرة، ونظام استدعاء لخطافات التنفيذ. يدعم استخراج بيانات اللعبة في الوقت الفعلي، مثل مواقع الكائنات (sprites) ورموز الذاكرة، ويتضمن وضع تنفيذ بدون واجهة رسومية (headless) لتسريع سرعة المحاكاة عن طريق تجاوز عرض الرسومات والصوت. يوفر المحاكي أيضاً أدوات لاستمرارية الحالة عبر تسلسل اللقطات، ومحاكاة الإدخال للوكلاء المستقلين، وأدوات لتحليل الذاكرة وتعديل بيانات ROM.

هذا المشروع عبارة عن تنفيذ PyTorch لمعمارية Faster R-CNN لاكتشاف الكائنات. يوفر إطار عمل لتحديد فئات كائنات متعددة ومربعات الإحاطة المقابلة لها داخل الصور باستخدام نظام تعلم عميق. يتضمن التنفيذ خط أنابيب تدريب لتحسين النماذج على مجموعات بيانات مخصصة وأداة لتحويل الأوزان المدربة مسبقاً من تنسيقات خارجية إلى هيكل متوافق لتهيئة النموذج. يغطي النظام خط أنابيب اكتشاف من مرحلتين يتكون من شبكة اقتراح المنطقة وطبقة تجميع ROI. ويدمج وظائف خسارة متعددة المهام وانحدار مربع الإحاطة القائم على المرساة (anchor-based) لتحسين مواقع الكائنات. يتضمن المشروع أدوات للتصور في الوقت الفعلي لخسارة التدريب ودقة التنبؤ لمراقبة أداء النموذج.

Recognize-anything is a multimodal foundation model designed for image recognition, visual tagging, and the generation of descriptive text captions from visual input. It functions as a multimodal embedding model that maps images and text into a shared vector space to enable cross-modal retrieval and recognition. The system implements zero-shot image classification and open-vocabulary object detection, allowing it to recognize object categories not present in the original training data through custom label embeddings. It also features a visual tagging engine and a captioning system that produc