3 repositorios
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
Encuentra los mejores repositorios con IA.Buscaremos los repositorios que mejor coincidan usando IA.
- paddlepaddle/paddledetection
PaddlePaddle/PaddleDetection
14,243Ver en GitHubPaddleDetection 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
7,802Ver en GitHubtensorrtx 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
7,565Ver en GitHubCenterNet es un framework de detección de objetos por puntos centrales y una tubería (pipeline) de visión artificial en tiempo real. Identifica objetos y poses prediciendo puntos centrales en lugar de utilizar cajas de anclaje (anchor boxes). El sistema funciona como un estimador de cajas delimitadoras 3D, un modelo de estimación de pose humana y una herramienta para la detección de objetos en tiempo real. Trata la ubicación de las articulaciones y las posiciones de los objetos como problemas de detección de puntos centrales para localizar entidades en imágenes y en el espacio tridimensional. Las capacidades cubren la detección de objetos 3D, la estimación de puntos clave humanos y el análisis de video en vivo. La tubería utiliza un proceso de inferencia de alimentación directa (feedforward) de una sola etapa para realizar análisis continuo en cámaras web o archivos de video.
Predicts local offsets to correct quantization errors and refine bounding box precision.
Python
