Awesome GitHub RepositoriesComputer Vision Preprocessing

Real-ESRGAN is a deep learning restoration pipeline designed to enhance low-resolution media and improve the visual quality of damaged photographs. It functions as a generative image upscaler that reconstructs high-resolution details from source inputs by utilizing neural networks trained to fill in missing information and remove noise. The project distinguishes itself as a blind super-resolution tool, meaning it improves image sharpness and fidelity without requiring prior knowledge of the specific degradation applied to the source. It employs high-order degradation modeling to address compl

This project is a comprehensive computer vision library for the PyTorch ecosystem, providing a standardized collection of neural network architectures, datasets, and high-performance transformation utilities. It serves as a foundational framework for building, training, and deploying deep learning models, offering a centralized model registry that allows developers to instantiate architectures with pre-trained weights for tasks such as image classification, object detection, and semantic segmentation. The library distinguishes itself through its modular approach to data and compute management

Albumentations is an image augmentation library and computer vision preprocessing tool designed to expand datasets for deep learning models. It provides a collection of transformations that modify pixel values and spatial geometry to increase the diversity of training samples and improve model generalization. The library supports both 2D image augmentation and 3D volumetric data augmentation. It handles a variety of labels alongside images, ensuring that bounding boxes, keypoints, and segmentation masks remain accurately aligned when spatial transformations are applied. The tool incorporates

MNN is a high-performance inference engine and framework designed for on-device machine learning. It provides a comprehensive environment for executing, optimizing, and deploying neural network models directly on mobile and resource-constrained edge devices. The framework distinguishes itself through a robust model optimization toolkit that supports quantization, compression, and structural graph manipulation to minimize memory footprint and maximize execution speed. It features a modular architecture that abstracts hardware-specific backends, allowing models to run efficiently across diverse

Caire is a command-line image processing engine designed for content-aware resizing and batch manipulation. It utilizes seam carving algorithms to adjust image dimensions by identifying and removing low-energy pixels, allowing for the rescaling of images while preserving primary visual subjects and maintaining aspect ratios. The tool distinguishes itself through its ability to protect specific visual elements, such as human faces, from distortion during the resizing process. Users can apply custom binary masks to define regions for protection or forced removal, and the engine provides real-ti

scikit-image is a Python image processing library and scientific image analysis toolkit. It provides a framework for digital image processing and computer vision, utilizing numerical arrays for pixel-level manipulations. The library enables the quantification of image properties and the detection of visual features, such as edges and blobs. It includes tools for image segmentation and the extraction of textures and patterns to characterize objects within visual data. Capabilities cover image manipulation through color space conversion, geometric transformations, and digital restoration. It a

mmcv is a foundation library for computer vision based on PyTorch. It provides a comprehensive system for constructing convolutional neural networks, a toolkit for image and video preprocessing, and a collection of high-performance deep learning vision operators. The project is distinguished by its hardware-accelerated kernels for complex operations such as deformable convolutions and region pooling. It features a configuration-driven framework that allows for the dynamic instantiation of network layers and the registration of custom modules without modifying code. The library covers a broad

MiDaS ist eine PyTorch-Bibliothek für Computer Vision und ein monokulares Tiefenschätzungsmodell, das darauf ausgelegt ist, die Szenentiefe aus Einzelbildern vorherzusagen. Es fungiert als Szenentiefen-Prädiktor, der Distanzkarten berechnet, um die Nähe von Objekten zur Kamera zu bestimmen. Das Projekt ermöglicht Zero-Shot-Tiefentransfer, wodurch das Modell ohne zusätzliche Trainingsdaten auf neue Datensätze oder Umgebungen angewendet werden kann. Es konzentriert sich auf relative Tiefenregression zur Vorhersage skaleninvarianter Tiefenkarten. Die Bibliothek enthält einen Echtzeit-Tiefenvisualisierer zur Erfassung von Live-Kamera-Feeds und zur Anzeige der entsprechenden Tiefenkarten. Zudem bietet sie Computer-Vision-Preprocessing-Funktionen zur Generierung struktureller Szenendaten für andere Machine-Learning-Modelle.

Augmentor ist eine Python-Bibliothek und ein Framework für Bild-Augmentierung zur Erweiterung von Machine-Learning-Datensätzen. Es fungiert als Preprocessing-Tool, das synthetische Bildvariationen zur Erhöhung der Datenvielfalt generiert, und als Trainingsdaten-Streamer, der augmentierte Bilder und Labels direkt in neuronale Netzwerk-Loops einspeist, ohne dass ein Zwischenspeicher auf der Festplatte erforderlich ist. Das Framework erhält die räumliche Ausrichtung zwischen Bildern und den zugehörigen Masken aufrecht, was für das Training semantischer Segmentierung erforderlich ist. Es unterstützt verschiedene geometrische und Pixelebenen-Transformationen, einschließlich elastischer Verzerrungen, perspektivischer Verschiebungen durch Neigen und Verzerren, Rotation, Scherung und zufälligem Löschen von Regionen. Das System umfasst Funktionen für klassenspezifische Verarbeitungsstrategien zur Adressierung von Datenungleichgewichten und nutzt Multi-Threading, um die parallele Generierung augmentierter Datensätze zu beschleunigen. Es bietet zudem Utilities zur Bereinigung und Standardisierung von Rohbilddateien während der Preprocessing-Phase.

imutils ist ein Computer-Vision-Toolkit und eine Bildverarbeitungsbibliothek, die darauf ausgelegt ist, häufige Manipulationsaufgaben mit OpenCV zu vereinfachen. Sie dient als Helfer für die Bildanalyse und als Werkzeug für geometrische Transformationen zur Automatisierung der visuellen Datenverarbeitung. Das Toolkit bietet spezialisierte Funktionen zur Wahrung der Bildintegrität während Transformationen, wie etwa das Ändern der Bildgröße unter Beibehaltung des Seitenverhältnisses und das Rotieren von Bildern ohne das Abschneiden von Ecken. Es enthält zudem Werkzeuge für 4-Punkt-Perspektiv-Warping zur Erstellung von Draufsichten sowie zur Extraktion topologischer Skelette aus Binärbildern. Die Bibliothek deckt eine breite Palette an Vorverarbeitungs- und Analysefunktionen ab, einschließlich automatischer Kantenerkennungsschwellenwertberechnung, räumlicher Konturensortierung und Farbraum-Mapping zwischen RGB und BGR. Zusätzlich enthält sie Dienstprogramme für das Datensatzmanagement, wie etwa rekursives Dateisystem-Scannen zur Bilderkennung und einen Web-Bild-Downloader.

Dieses Projekt ist eine umfassende Lehrressource und ein Kurs zum Aufbau neuronaler Netze mit PyTorch. Es deckt die grundlegenden Bausteine des Deep Learning ab, einschließlich Tensor-Manipulation, automatischer Differenzierung und der Konstruktion modularer Komponenten für neuronale Netze. Das Repository dient als technischer Leitfaden für verschiedene spezialisierte Bereiche. Es bietet Implementierungsdetails für Computer-Vision-Aufgaben wie Bildklassifizierung, Objekterkennung und semantische Segmentierung sowie Workflows für die Verarbeitung natürlicher Sprache (NLP) mit Transformern, rekurrenten Netzen und generativen Modellen. Zudem enthält es eine Referenz für generative KI, mit Fokus auf die Synthese von Bildern mittels Diffusionsmodellen und adversarialen Netzwerken. Das Material erstreckt sich auf Modelloptimierung und Deployment-Pipelines. Es behandelt Techniken zur Reduzierung der Modellgröße und zur Erhöhung der Inferenzgeschwindigkeit durch Quantisierung und den Export von Modellen in Formate wie ONNX und TensorRT. Weitere Kompetenzbereiche umfassen Data Engineering für paralleles Laden, Modellevaluierung mittels benutzerdefinierter Metriken und das Deployment von Open-Source Large Language Models. Das Projekt wird primär als eine Reihe von Jupyter Notebooks bereitgestellt.

ExecuTorch is a lightweight C++ runtime for deploying PyTorch models on mobile, embedded, and edge hardware. It provides an ahead-of-time compilation pipeline that exports, quantizes, and lowers model graphs into compact serialized programs, then executes them through a minimal runtime with hardware acceleration and on-device large language model inference capabilities. The project distinguishes itself through a hardware accelerator delegate system that partitions model subgraphs and offloads computation to specialized backends including NPUs, GPUs, and DSPs from Apple, Arm, Intel, MediaTek,

Bild ist eine Bildverarbeitungsbibliothek, die in der Programmiersprache Go implementiert ist. Sie bietet eine Sammlung algorithmischer Engines für die Bildmanipulation, darunter eine Convolution-Kernel-Engine für Filter, ein Bild-Blending-Tool für Layer-Komposition und einen prozeduralen Rauschgenerator für die Erstellung synthetischer Texturen. Das Projekt zeichnet sich durch seine prozeduralen Generierungsfähigkeiten aus und implementiert Perlin-, Gauß-, Binär- und gleichmäßige Rauschalgorithmen, um zufällige Pixelverteilungen und organische Muster zu erzeugen. Es verfügt zudem über eine Kommandozeilenschnittstelle, die es Benutzern ermöglicht, visuelle Effekte, Farbanpassungen und geometrische Transformationen auf Bilddateien anzuwenden, ohne eigenen Code schreiben zu müssen. Die Bibliothek deckt ein breites Spektrum an Bildverarbeitungsfunktionen ab, einschließlich geometrischer Transformationen wie Rotation, Scherung und Zoom sowie Farbmanipulation und Verteilungsanalyse. Sie bietet Werkzeuge für Bildanalyse und Segmentierung, morphologische Filterung und unterstützt das Lesen und Schreiben von Bilddaten in den Formaten PNG, JPEG, BMP und WebP.