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 es una librería de visión artificial de PyTorch y un modelo de estimación de profundidad monocular diseñado para predecir la profundidad de una escena a partir de imágenes individuales. Funciona como un predictor de profundidad de escena que calcula mapas de distancia para determinar la proximidad de los objetos a la cámara. El proyecto permite la transferencia de profundidad zero-shot, lo que permite aplicar el modelo a nuevos conjuntos de datos o entornos sin necesidad de datos de entrenamiento adicionales. Se centra en la regresión de profundidad relativa para predecir mapas de profundidad invariantes a la escala. La librería incluye un visualizador de profundidad en tiempo real para capturar transmisiones de cámara en vivo y mostrar los mapas de profundidad correspondientes. También proporciona capacidades de preprocesamiento de visión artificial para generar datos de escena estructurales para otros modelos de aprendizaje automático.

Augmentor es una librería y framework de aumento de imágenes en Python diseñado para expandir datasets de machine learning. Funciona como una herramienta de preprocesamiento que genera variaciones sintéticas de imágenes para aumentar la diversidad de datos y como un streamer de datos de entrenamiento que alimenta imágenes y etiquetas aumentadas directamente en bucles de redes neuronales sin requerir almacenamiento intermedio en disco. El framework mantiene la alineación espacial entre las imágenes y sus máscaras correspondientes, lo cual es necesario para el entrenamiento de segmentación semántica. Soporta varias transformaciones geométricas y a nivel de píxel, incluyendo distorsiones elásticas, cambios de perspectiva mediante inclinación y sesgo, rotación, cizallamiento y borrado aleatorio de regiones. El sistema incluye capacidades para estrategias de procesamiento por clase para abordar el desequilibrio de datos y utiliza multi-threading para acelerar la generación paralela de datasets aumentados. También proporciona utilidades para limpiar y estandarizar archivos de imagen crudos durante la etapa de preprocesamiento.

imutils es un kit de herramientas de utilidad de visión artificial y una biblioteca de procesamiento de imágenes diseñada para simplificar tareas comunes de manipulación utilizando OpenCV. Sirve como un asistente de análisis de imágenes y herramienta de transformación geométrica para automatizar el procesamiento de datos visuales. El kit de herramientas proporciona capacidades especializadas para mantener la integridad de la imagen durante las transformaciones, como cambiar el tamaño de las imágenes preservando las relaciones de aspecto y rotar imágenes sin recortar las esquinas. También incluye herramientas para la deformación de perspectiva de cuatro puntos para crear vistas cenitales y la extracción de esqueletos topológicos a partir de imágenes binarias. La biblioteca cubre una amplia gama de funciones de preprocesamiento y análisis, incluyendo el cálculo automático del umbral de detección de bordes, la clasificación espacial de contornos y el mapeo de espacios de color entre RGB y BGR. Además, incluye utilidades para la gestión de conjuntos de datos, como el escaneo recursivo del sistema de archivos para el descubrimiento de imágenes y un descargador de imágenes web.

Este proyecto es un recurso educativo integral y un curso para construir redes neuronales usando PyTorch. Cubre los bloques de construcción fundamentales del deep learning, incluyendo la manipulación de tensores, la diferenciación automática y la construcción de componentes modulares de redes neuronales. El repositorio sirve como guía técnica para varios dominios especializados. Proporciona detalles de implementación para tareas de visión artificial como clasificación de imágenes, detección de objetos y segmentación semántica, así como flujos de trabajo de procesamiento de lenguaje natural que involucran transformers, redes recurrentes y modelos generativos. Además, incluye una referencia para IA generativa, centrándose específicamente en la síntesis de imágenes mediante modelos de difusión y redes adversarias. El material se extiende a pipelines de optimización y despliegue de modelos. Cubre técnicas para reducir el tamaño del modelo y aumentar la velocidad de inferencia mediante cuantización y la exportación de modelos a formatos como ONNX y TensorRT. Otras áreas de capacidad incluyen ingeniería de datos para carga paralela, evaluación de modelos mediante métricas personalizadas y el despliegue de modelos de lenguaje grandes (LLM) de código abierto. El proyecto se entrega principalmente como una serie de Jupyter Notebooks.

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 es una biblioteca de procesamiento de imágenes implementada en el lenguaje de programación Go. Proporciona una colección de motores algorítmicos para la manipulación de imágenes, incluyendo un motor de kernel de convolución para filtrado, una herramienta de mezcla de imágenes para composición de capas y un generador de ruido procedimental para crear texturas sintéticas. El proyecto se distingue por sus capacidades de generación procedimental, implementando algoritmos de ruido Perlin, Gaussiano, binario y uniforme para producir distribuciones de píxeles aleatorias y patrones orgánicos. También cuenta con una interfaz de línea de comandos que permite a los usuarios aplicar efectos visuales, ajustes de color y transformaciones geométricas a archivos de imagen sin escribir código personalizado. La biblioteca cubre una amplia gama de capacidades de procesamiento de imágenes, incluyendo transformaciones geométricas como rotación, cizallamiento y zoom, así como manipulación de color y análisis de distribución. Proporciona herramientas para el análisis y segmentación de imágenes, filtrado morfológico y admite la lectura y escritura de datos de imagen en formatos PNG, JPEG, BMP y WebP.