Awesome GitHub RepositoriesObject Detection Training

Este es un framework de detección de objetos de PyTorch que implementa el detector Single Shot MultiBox para identificar y localizar múltiples objetos dentro de imágenes y video. El proyecto proporciona una arquitectura de red neuronal diseñada para la detección de objetos de un solo paso, que predice cuadros delimitadores (bounding boxes) y etiquetas de clase en una sola pasada. La implementación incluye un detector de objetos en tiempo real capaz de procesar flujos de video en vivo para rastrear y etiquetar objetos a través de fotogramas secuenciales. También cuenta con un pipeline completo de entrenamiento de visión artificial para preparar conjuntos de datos de imágenes y entrenar pesos de modelos. El framework cubre el flujo de trabajo de extremo a extremo para tareas de visión, incluyendo carga de conjuntos de datos, entrenamiento de modelos de deep learning con aceleración por hardware y evaluación cuantitativa del rendimiento utilizando métricas y scripts dedicados.

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.

Este proyecto es una implementación de deep learning de la arquitectura RetinaNet para detectar y clasificar objetos dentro de imágenes. Construido como un framework de detección de objetos Keras y una herramienta de visión por computadora TensorFlow, proporciona una implementación completa de red neuronal basada en el paper de RetinaNet. El framework incluye componentes especializados como una red de pirámide de características (Feature Pyramid Network) y una función de pérdida focal para manejar la detección de objetos. Cuenta con una arquitectura de backbone configurable y cajas delimitadoras basadas en anclas para predecir ubicaciones de objetos a través de escalas y relaciones de aspecto variables. El conjunto de herramientas cubre el flujo de trabajo de extremo a extremo para visión por computadora, incluyendo rutinas de entrenamiento, evaluación de rendimiento y despliegue de inferencia de modelos. Proporciona utilidades de gestión de datos para importar y depurar anotaciones de imágenes desde formatos CSV y Pascal VOC, así como herramientas para convertir modelos entrenados en diferentes formatos para su despliegue.

Este proyecto es una implementación en PyTorch de la arquitectura Faster R-CNN para la detección de objetos. Proporciona un framework para identificar múltiples clases de objetos y sus cajas delimitadoras (bounding boxes) correspondientes dentro de imágenes utilizando un sistema de aprendizaje profundo. La implementación incluye un pipeline de entrenamiento para optimizar modelos en datasets personalizados y una utilidad para convertir pesos preentrenados de formatos externos a una estructura compatible para la inicialización del modelo. El sistema cubre un pipeline de detección de dos etapas que comprende una red de propuesta de regiones y una capa de pooling ROI. Incorpora funciones de pérdida multitarea y regresión de cajas delimitadoras basada en anclas para refinar las ubicaciones de los objetos. El proyecto incluye herramientas para la visualización en tiempo real de la pérdida de entrenamiento y la precisión de predicción para monitorear el rendimiento del modelo.