3 Repos
Awesome GitHub RepositoriesBounding Box Refinement Techniques
Methods like generalized focal loss to improve localization quality during training.
Distinct from Detection Model Validation: Distinct from model validation: focuses on training-time refinement logic rather than post-training evaluation.
Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Bounding Box Refinement Techniques. Refine with filters or upvote what's useful.
Awesome Bounding Box Refinement Techniques GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- paddlepaddle/paddledetection
PaddlePaddle/PaddleDetection
14,243Auf GitHub ansehenPaddleDetection 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
Refines bounding box quality during training using generalized focal loss techniques.
Pythonblazefacedeepsortdetr - wang-xinyu/tensorrtx
wang-xinyu/tensorrtx
7,802Auf GitHub ansehentensorrtx is a computer vision inference engine and model implementation library designed for graphics processor acceleration. It provides a framework for optimizing deep learning models through a GPU inference optimizer, a deep learning model converter for transforming weights from frameworks like TensorFlow and PyTorch, and a custom plugin library to implement operations not natively supported by the TensorRT API. The project distinguishes itself through a comprehensive collection of pre-defined network implementations, ranging from various YOLO versions and DETR transformers for object det
Provides post-processing logic to refine bounding box predictions and handle multi-output tensors after inference.
C++arcfacecrnndetr - xingyizhou/centernet
xingyizhou/CenterNet
7,565Auf GitHub ansehenCenterNet ist ein Framework für die Objekterkennung mittels Mittelpunkten und eine Echtzeit-Computer-Vision-Pipeline. Es identifiziert Objekte und Posen durch die Vorhersage von Mittelpunkten anstelle der Verwendung von Anchor-Boxen. Das System fungiert als 3D-Bounding-Box-Schätzer, als Modell zur Schätzung menschlicher Posen und als Tool für die Echtzeit-Objekterkennung. Es behandelt die Platzierung von Gelenken und Objektpositionen als Probleme der Mittelpunkterkennung, um Entitäten in Bildern und im dreidimensionalen Raum zu lokalisieren. Die Funktionen decken 3D-Objekterkennung, Schätzung menschlicher Keypoints und Live-Videoanalyse ab. Die Pipeline verwendet einen einstufigen Feedforward-Inferenzprozess, um eine kontinuierliche Analyse von Webcams oder Videodateien durchzuführen.
Predicts local offsets to correct quantization errors and refine bounding box precision.
Python
