Awesome GitHub RepositoriesKeypoint Detection

Detectron2 is a PyTorch computer vision framework and visual recognition platform designed for training and deploying models for object detection, image segmentation, and visual recognition. It provides a research-oriented environment for training complex vision models with multi-GPU acceleration. The project includes a specialized object detection library for identifying and locating multiple objects via bounding boxes, as well as an image segmentation toolkit for creating pixel-level masks through instance, semantic, and panoptic segmentation. Additionally, it features a human pose estimati

OpenPose is a real-time pose estimation engine designed to detect and track human body, face, hand, and foot landmarks. It functions as a multi-person motion tracker, identifying the spatial coordinates of multiple individuals simultaneously within video streams or static images. Beyond two-dimensional detection, the software acts as a three-dimensional kinematics processor, reconstructing spatial movement data from single or multiple synchronized camera perspectives. The system distinguishes itself through a bottom-up approach that utilizes part-affinity fields to associate body parts across

This project is a PyTorch-based computer vision library and deep learning image processing framework. It provides a collection of neural network architectures designed for visual analysis tasks, specifically focusing on image classification, object detection, and semantic segmentation. The toolset implements diverse methodologies for visual recognition, including anchor-free object detection, regional proposal networks, and heatmap-based keypoint estimation. It utilizes both convolutional neural networks for spatial feature extraction and transformer-based self-attention mechanisms to compute

Vercel is a cloud platform for building, deploying, and scaling web applications. It provides a unified infrastructure that automates the build process by detecting project frameworks and distributing static and dynamic content through a global content delivery network. The platform executes application logic using serverless functions that scale automatically based on real-time traffic demand. The platform distinguishes itself through a centralized AI gateway that proxies requests to multiple model providers, enabling standardized authentication, observability, and cost tracking. It supports

Albumentations is a computer vision image augmentation library designed to increase training data diversity for deep learning models. It provides a toolset for applying geometric and color transformations to images and annotations, including a specialized collection of 3D operations for volumetric data used in medical and scientific imaging. The library functions as an image mask and bounding box transformer, automatically updating masks, bounding boxes, and keypoints when images undergo geometric changes. This ensures that spatial alterations remain synchronized across images and their assoc

This project is a generative adversarial network designed for image animation and motion transfer. It functions as a computer vision framework that synthesizes video sequences by applying motion patterns extracted from a driving video onto a static source image. The model distinguishes itself by using a keypoint-based representation to decouple object appearance from temporal movement. By tracking structural deformations through learned latent coordinates, it performs motion retargeting and synthetic media production without requiring manual annotations or object-specific training data. The

PaddleDetection is an object detection framework designed for the end-to-end development, training, and deployment of computer vision models. It provides a comprehensive library of modular neural network architectures and pipelines that support object detection, instance segmentation, and multi-object tracking tasks. The project distinguishes itself through a configuration-driven approach that decouples model components like backbones and heads, allowing for the flexible assembly of custom vision workflows. It incorporates advanced techniques such as anchor-free detection logic, joint detecti

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

This project is a modular PyTorch framework for training and evaluating object detection and instance segmentation models. It serves as a computer vision research tool and a deep learning inference engine designed to identify object locations, classes, and pixel-level masks within images. The framework implements a two-stage inference pipeline that utilizes region proposal networks and a symmetric mask-head architecture. It provides specialized capabilities for instance segmentation, object bounding box detection, and human pose estimation via anatomical keypoint detection. The system includ

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.

MMPose is a PyTorch-based pose estimation toolbox and deep learning training pipeline designed for detecting 2D and 3D keypoints on humans, animals, and faces. It serves as a computer vision model zoo and a framework for both 2D pose estimation and 3D pose lifting. The project is distinguished by its modular architecture and extensibility, employing a registry-based system and hierarchical configurations to allow for custom algorithm integration and model pipeline customization. It supports diverse estimation paradigms, including top-down, bottom-up, and two-stage pose lifting workflows. The

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

OpenCVSharp is a .NET library that wraps native OpenCV functions, providing C# developers with access to OpenCV's computer vision capabilities through an API that mirrors the native C/C++ style. It serves as a managed wrapper for image processing, feature detection, object detection, and image manipulation tasks, while also handling automatic disposal of unmanaged OpenCV resources like Mat objects to prevent memory leaks in .NET applications. The library enables keypoint detection and descriptor extraction using algorithms such as AKAZE, BRISK, or FAST, with brute-force or FLANN-based matchin

RF-DETR is a Python library for training and deploying object detection, instance segmentation, and keypoint detection models built on a vision transformer architecture. It provides a unified command-line interface and Python API for the full workflow, from fine-tuning pretrained checkpoints on custom datasets to running inference on images, video files, and live camera streams. The project supports training on datasets in COCO or YOLO format, with automatic format detection and configurable augmentation pipelines. Models can be exported to ONNX, TFLite, or TensorRT for deployment across edge

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 إطار عمل لتقدير وضعية الأشخاص المتعددين مصمم لاكتشاف النقاط الرئيسية للإنسان في الوقت الفعلي. يعمل كمقدر لوضعية الإنسان من الأسفل إلى الأعلى يحدد المفاصل الهيكلية عبر جميع الأشخاص في المشهد دون الحاجة إلى كاشف أشخاص منفصل. يستخدم النظام نموذج شبكة عصبية تلافيفية لتوليد خرائط الحرارة وحقول المتجهات لتحليل الوضعية. ويطبق بشكل خاص حقول تقارب الأجزاء لترميز موقع واتجاه الأطراف، مما يسمح للنموذج بربط المفاصل الفردية بهياكل عظمية كاملة. يغطي المشروع تحليل حركة الرؤية الحاسوبية وتحليل الوضعية بالتعلم العميق، واستخراج الإحداثيات المكانية لأجزاء جسم الإنسان من بيانات الصور والفيديو.

Roboflow Sports is a sports video analysis system that combines object detection and tracking with bird's-eye field visualization. Its core pipeline detects and tracks players, referees, and balls across video frames, then maps those tracked positions onto a radar-style overhead view of the playing field. The system goes beyond basic detection by localizing field boundaries and key landmarks such as pitch lines and corners, enabling spatial mapping of player positions relative to the field geometry. It classifies detected players by team affiliation through visual feature extraction and clust

LightGlue هو إطار عمل للتعلم العميق مصمم لمطابقة الميزات المحلية وتقدير المراسلات عالية السرعة بين أزواج الصور. يعمل كنموذج مطابقة للرؤية الحاسوبية يحدد النقاط الرئيسية المتقابلة عبر وجهات نظر مختلفة. يستخدم النظام بنية شبكة عصبية تكيفية تعمل على تحسين سرعة الاستدلال ديناميكيًا عن طريق تقليم عمقها وعرضها بناءً على أزواج الصور المدخلة. يستخدم هذا النهج آلية انتباه بنمط transformer وانتباه عبر الصور لحساب الارتباطات بين واصفات الميزات. تتضمن عملية المطابقة حلقة تحسين تكرارية وإيقافًا مبكرًا ديناميكيًا لإيقاف الحساب بمجرد استيفاء عتبات الثقة. تدعم هذه القدرات خط أنابيب رؤية حاسوبية أوسع لمحاذاة الصور في الوقت الفعلي وتحسين استدلال الشبكة العصبية.

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 أدوات لتحليل الصور الحيوية في Python مصممة لمعالجة وتحليل صور المجهر والصور الطبية. يوفر مجموعة من الأدوات لقياس الصور، وتجزئة الصور الطبية، وسير عمل التصوير الحيوي العام. تتضمن المجموعة إمكانيات متخصصة لقياس البيانات البيولوجية، مثل قياس تعقيد تفرع الخلايا العصبية عبر تحليل Sholl، وحساب توزيعات أحجام الجسيمات، وتتبع مساحة الجروح في اختبارات الخدش. كما يتميز بمكتبة لتجزئة الصور الطبية تنفذ معماريات U-Net لعزل الهياكل التشريحية في البيانات ثلاثية الأبعاد، وتستخدم شبكات الخصومة التوليدية (GANs) لإنشاء صور علمية اصطناعية لزيادة حجم مجموعات البيانات. بشكل عام، يغطي المشروع بدائيات معالجة الصور بما في ذلك إزالة الضوضاء، وتحسين التباين، والتحويلات المورفولوجية. ويوفر أدوات لإدارة مجموعات البيانات لتحويل التعليقات التوضيحية بين تنسيقات COCO و YOLO والأقنعة الثنائية، بالإضافة إلى أدوات تعلم الآلة لتدريب الشبكات العصبية وتنفيذ نقل الأوزان القائم على المشفرات التلقائية (autoencoders). يتم توفير سير عمل التحليل كسلسلة من دفاتر Jupyter التفاعلية.