Awesome GitHub RepositoriesComputer Vision Features

This project is an interactive data science environment that combines code execution, rich media visualization, and narrative documentation into a persistent, browser-based platform. It serves as a comprehensive educational resource for scientific computing, providing a framework for iterative data analysis and machine learning prototyping. The environment is distinguished by its focus on high-performance numerical computing, utilizing vectorized array operations and memory-mapped data structures to handle large-scale computations efficiently. It features a unified estimator interface that st

This project is a library of pretrained computer vision architectures and backbones for image classification and feature extraction. It serves as a comprehensive model zoo and collection of standardized image encoders, including ResNet, Vision Transformers, and EfficientNet, for use in visual analysis and as backbones for object detection and image segmentation. The library provides a framework for distributed training and evaluation of image models using advanced data augmentation and optimization scripts. It includes a dedicated toolset for converting trained PyTorch vision models into the

This project is an educational platform and research toolkit designed to teach deep learning through a combination of mathematical theory, visual diagrams, and executable code. It provides a comprehensive environment for building, training, and evaluating neural networks, grounding complex concepts in interactive computational notebooks that allow for hands-on experimentation. The framework distinguishes itself by interleaving theoretical foundations—including linear algebra, calculus, and probability—with practical implementations across multiple industry-standard libraries. It supports flex

Detectron is a PyTorch object detection framework and computer vision research platform. It provides implementations of neural network architectures for locating and identifying objects in images, including Mask R-CNN for generating instance segmentation masks and RetinaNet for one-stage detection. The platform supports computer vision prototyping and object detection research through the deployment of pre-trained baseline models. This allows for the rapid implementation and evaluation of visual recognition systems. Its capabilities cover image object localization and instance segmentation w

This project is a TensorFlow and Keras implementation of the Mask R-CNN architecture. It provides a framework for performing simultaneous object detection and instance segmentation, transforming raw images into segmented masks and bounding boxes for individual object identification. The toolset enables custom computer vision training through fine-tuning pre-trained weights and integrating user-provided datasets. It includes capabilities for distributed GPU training to accelerate the optimization of large vision models. The framework covers model evaluation using standard precision metrics an

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 static educational website and comprehensive curriculum focused on computer vision and deep learning. It serves as a public repository of instructional materials, lecture notes, and technical guides specifically detailing convolutional neural networks and visual recognition. The site is developed using static-site generation to host course documentation and student project directories. It provides structured academic resources that guide learners through image classification, generative modeling, and the implementation of various neural network architectures. The curriculum

tracking.js is a browser computer vision library written in JavaScript for performing real-time image analysis and object tracking directly within a web browser. It functions as a real-time object tracker, a color tracking tool, and a face detection utility. The library enables the detection and monitoring of specific color ranges, human faces, and known visual patterns across consecutive video frames. It extracts visual features and descriptors from images to identify distinct landmarks for matching and tracking. The project covers broad computer vision capabilities, including the ability t

AI-on-the-edge-device is an edge AI meter digitizer and computer vision image processor designed to convert images of analog and digital utility meters into numeric values. It functions as an IoT gateway that runs neural network inference locally on hardware to monitor water, power, and gas readings. The system is distinguished by its ability to handle both analog pointers and digital digits through custom-trained neural networks. It includes specialized tools for image alignment, region-of-interest extraction, and hardware-level lighting control to minimize glare on glass surfaces. To mainta

Este proyecto es un framework de detección de objetos de PyTorch que implementa la arquitectura Faster R-CNN. Sirve como modelo de visión para predecir cuadros delimitadores precisos alrededor de múltiples objetos dentro de imágenes y transmisiones de video en vivo. El sistema está optimizado para el entrenamiento multi-GPU para reducir el tiempo requerido para la convergencia del modelo. Utiliza un diseño acelerado por GPU para manejar el entrenamiento y la inferencia de redes de detección complejas. El framework cubre el ciclo de vida completo de la detección de objetos, incluyendo el entrenamiento de redes personalizadas y la inferencia para imágenes estáticas y transmisiones de video en tiempo real. Incluye capacidades para la validación del rendimiento del modelo utilizando conjuntos de datos estandarizados, así como optimizaciones de entrenamiento como el agrupamiento basado en relación de aspecto y cargas de trabajo distribuidas.

This repository contains programming assignments and lecture notes from Andrew Ng's foundational deep learning course specialization on Coursera. The materials cover core neural network training techniques including optimization algorithms, normalization methods, regularization approaches, parameter initialization strategies, and learning rate scheduling to improve model convergence and generalization. The coursework explores design principles where successive neural network layers learn progressively more abstract feature representations from input data. It provides guidance on selecting ope

GoCV is a computer vision library and Go language binding for OpenCV. It serves as an image processing toolkit and deep learning inference engine, providing programmatic access to a wide range of algorithms for image manipulation, object detection, and video analysis. The project differentiates itself through high-performance native bindings and hardware acceleration. It utilizes a foreign function interface to map Go calls to C++ functions and includes a hardware-agnostic backend dispatch to route neural network tasks to computation engines such as CUDA and OpenVINO. The library covers a br

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

DeepSORT es un framework de seguimiento de múltiples objetos en tiempo real diseñado para mantener identidades consistentes de múltiples objetos a través de fotogramas de video. Integra características de apariencia de aprendizaje profundo con descriptores de movimiento para rastrear objetos a través de una secuencia de datos de video. El sistema utiliza una red neuronal convolucional profunda para generar descriptores visuales de alta dimensión para la reidentificación de personas. Estas características de apariencia se combinan con la estimación de movimiento mediante filtrado de Kalman y se resuelven utilizando el algoritmo húngaro para asociar de manera óptima las detecciones con los seguimientos existentes. El framework incluye capacidades para el filtrado de asociaciones basado en gating y la gestión de seguimientos basada en estados para manejar los ciclos de vida de los objetos. También proporciona herramientas para renderizar resultados de seguimiento en fotogramas de video y evaluar el rendimiento del seguimiento frente a benchmarks establecidos.

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

Yolact es un framework de visión artificial y modelo de segmentación de instancias en tiempo real. Utiliza una red neuronal totalmente convolucional para detectar objetos y generar máscaras a nivel de píxel para imágenes y flujos de video. El sistema emplea la generación de máscaras prototípicas para crear prototipos de máscara globales que se combinan linealmente para obtener resultados específicos de instancia. Incorpora capas convolucionales deformables y agrupación de regiones de interés (RoI) deformable para adaptar el muestreo espacial a las formas irregulares de los objetos. El framework cubre el ciclo de vida completo de desarrollo del modelo, incluyendo el entrenamiento en conjuntos de datos personalizados, evaluación de precisión mediante precisión media promedio (mAP) y el uso de entrenamiento distribuido multi-GPU para escalar la velocidad de procesamiento. También proporciona utilidades de procesamiento de medios para aplicar máscaras de segmentación a imágenes y exportar archivos de video anotados. El proyecto incluye herramientas de persistencia de estado para la gestión de puntos de control y reanudación del entrenamiento, junto con registro para grabar métricas y valores de pérdida.

ArrayFire es un framework de computación agnóstico al hardware y un motor de tensores compilado JIT diseñado para la computación numérica de alto rendimiento. Sirve como una biblioteca de computación numérica en GPU y un kit de herramientas de procesamiento de señales paralelo que abstrae los backends de hardware, permitiendo que el mismo código base se ejecute en diversas arquitecturas de GPU y CPUs. El proyecto se distingue por un motor JIT que utiliza la compilación de expresiones para fusionar operaciones y minimizar la sobrecarga de memoria. Emplea un grafo de ejecución diferida para optimizar las cadenas de cálculo y proporciona primitivas de interoperabilidad para compartir datos y contextos de ejecución con plataformas de computación externas como CUDA y OpenCL. La biblioteca cubre una amplia gama de capacidades, incluyendo álgebra lineal paralela, procesamiento digital de señales y visión artificial acelerada. Proporciona herramientas para la implementación de aprendizaje automático, simulación de modelos financieros y la resolución de ecuaciones diferenciales parciales para simulaciones de sistemas físicos. Su sistema de gestión de tensores maneja la asignación de matrices multidimensionales, el corte (slicing) y las transferencias de datos entre host y dispositivo.

Este proyecto es un kit de herramientas de bioimagen y suite de análisis en Python, diseñado para procesar y analizar imágenes de microscopía y médicas. Proporciona una colección de herramientas para la cuantificación de imágenes, segmentación de imágenes médicas y flujos de trabajo generales de bioimagen. La suite incluye capacidades especializadas para cuantificar datos biológicos, como medir la complejidad de ramificación neuronal mediante análisis de Sholl, calcular distribuciones de tamaño de partículas y rastrear el área de heridas en ensayos de scratch. También cuenta con una librería de segmentación de imágenes médicas que implementa arquitecturas U-Net para aislar estructuras anatómicas en datos 3D y utiliza redes generativas antagónicas (GANs) para crear imágenes científicas sintéticas para el aumento de datasets. En términos generales, el proyecto cubre primitivas de procesamiento de imágenes, incluyendo reducción de ruido, mejora de contraste y transformaciones morfológicas. Proporciona utilidades de gestión de datasets para convertir anotaciones entre formatos COCO, YOLO y máscaras binarias, así como herramientas de machine learning para entrenar redes neuronales e implementar transferencia de pesos basada en autoencoders. Los flujos de trabajo de análisis se proporcionan como una serie de Jupyter Notebooks interactivos.

CV-Backbones es una biblioteca de backbones de visión artificial y un model zoo que proporciona una colección de arquitecturas de redes neuronales predefinidas para extraer características visuales y procesar datos de imagen. Funciona como un framework de visión para PyTorch con componentes de deep learning reutilizables, diseñados para el análisis de imágenes y el aprendizaje de representaciones visuales. La biblioteca se enfoca en arquitecturas de redes neuronales eficientes para reducir la carga computacional manteniendo el rendimiento en la extracción de características. Esto se logra mediante la implementación de diseños de modelos ligeros como GhostNet y MLP. El proyecto cubre una amplia gama de arquitecturas de modelos, incluyendo redes neuronales convolucionales y transformers. Incluye un sistema modular para intercambiar implementaciones de backbones y un mecanismo para cargar pesos preentrenados que acelera la convergencia.

Deformable-ConvNets es un framework de visión artificial y una colección de componentes de redes neuronales diseñados para implementar redes neuronales convolucionales deformables. Proporciona capas convolucionales adaptativas e implementaciones de pooling que modifican sus campos receptivos basándose en las características de entrada para capturar mejor la geometría de los objetos dentro de las imágenes. El proyecto permite el uso de offsets de muestreo aprendibles y máscaras de modulación para alinear las rejillas convolucionales con las formas de los objetos objetivo. Incluye herramientas especializadas para visualizar los offsets aprendidos en las capas de convolución y pooling, permitiendo analizar cómo la red adapta su campo receptivo espacial. Estas capacidades se aplican para mejorar la precisión en la detección de objetos y refinar la segmentación semántica. El framework admite la extracción de características de regiones de interés mediante pooling deformable para alinear las áreas de muestreo con los límites reales de los objetos. La implementación incluye un pipeline de entrenamiento para ejecutar y evaluar estas arquitecturas de red especializadas.