Awesome GitHub RepositoriesComputer Vision Annotation

CVAT est un outil d'annotation de vision par ordinateur open-source et une plateforme de gestion de jeux de données visuels. Il fournit une interface auto-hébergée pour étiqueter des images, des vidéos et des données 3D afin de créer des jeux de données pour des modèles d'IA de vision. La plateforme dispose d'un étiquetage de données assisté par IA pour automatiser la création de masques et de boîtes englobantes, utilisant un système de plug-in pour connecter des modèles d'apprentissage automatique externes. Il inclut un système d'assurance qualité basé sur le consensus qui vérifie la précision des étiquettes en comparant des annotations indépendantes. Le système couvre la gestion d'équipe collaborative, l'organisation de projets par décomposition de tâches et l'intégration de stockage cloud distant. Il fournit également une API REST pour le contrôle programmatique du flux de travail et l'importation/exportation de données dans des formats standard de l'industrie.

Labelme est un outil d'annotation d'images basé sur Python utilisé pour créer des jeux de données de vision par ordinateur. Il sert d'éditeur visuel pour la segmentation sémantique, permettant aux utilisateurs de définir les limites des objets en utilisant des polygones, des rectangles, des points et des cercles. L'application fonctionne également comme un annotateur d'images multispectrales, prenant en charge les fichiers TIFF à haute profondeur de bits utilisés dans l'imagerie satellite et scientifique. L'outil intègre des capacités d'étiquetage assisté par IA pour automatiser la création de masques et de polygones. Ces fonctionnalités permettent la génération de formes pilotée par des invites textuelles ou des sélections de points interactives, qui proposent des limites basées sur des points positifs et négatifs placés par l'utilisateur. Le logiciel couvre un large éventail de tâches de gestion et d'annotation de données, y compris la création de masques de pixels denses, de boîtes englobantes pivotées et de séquençage d'images vidéo. Il inclut un pipeline pour traduire la persistance d'état JSON interne en formats de jeu de données standard tels que COCO et Pascal VOC. Les capacités supplémentaires incluent des indicateurs de classification au niveau de l'image, des outils de raffinement de géométrie et l'importation d'images par lots.

This project is a collection of educational resources and implementation frameworks providing deep learning model recipes, code samples, and step-by-step guides for computer vision tasks. It organizes complex workflows into modular recipes and implementation guides to facilitate the building of image and video analysis models. The framework focuses on specialized vision capabilities, including an image similarity framework for fast retrieval and re-ranking, human pose estimation, and video action recognition. It also provides specific tools for crowd density estimation and document image clea

FastSAM is an image segmentation framework that uses convolutional neural networks to isolate visual elements and generate masks for detectable objects within images. It provides a system for both automatic all-object segmentation and promptable image segmentation. The project utilizes an inference-optimized architecture to reduce computational overhead, enabling faster mask generation and real-time visual analysis. It supports the creation of precise masks through various prompt inputs, including points, bounding boxes, and text descriptions. The framework covers broader computer vision cap

X-AnyLabeling is an AI-assisted annotation platform and computer vision labeling tool. It provides an interface for annotating images and videos using polygons and rectangles to create training sets for machine learning models. The project distinguishes itself through the integration of external AI models via a plugin-based inference backend, allowing for automated generation of candidate labels and the execution of specialized tasks like pose estimation and object detection. It also functions as an optical character recognition tool for extracting text and layout information from document im

This project is a toolkit and API designed for parsing, manipulating, and visualizing image annotations for computer vision tasks. It provides a programming interface to load and organize Common Objects in Context annotations, specifically for object detection, image segmentation, and keypoint estimation. The library includes tools for converting formatted JSON files into data structures that support the analysis of pixel-level masks and skeletal markers. It enables the visual verification of ground truth accuracy by rendering bounding boxes, segmentation masks, and keypoint markers directly

VoTT is a computer vision annotation software and machine learning dataset preparation tool. It is a desktop application designed for drawing bounding boxes and assigning tags to objects in images and videos to create training datasets for object detection models. The application utilizes a cross-platform desktop interface to manage image and video assets. It features a local-first storage integration to handle large media assets directly from the host machine's file system and includes frame-rate controlled video sampling to extract specific images from video streams for labeling. The softw

ISAT with Segment Anything is a desktop application designed for computer vision data labeling and interactive image segmentation. It provides a semi-automatic annotation suite that accelerates the creation of object masks, polygons, and metadata for training datasets. The application translates user actions into spatial constraints through interactive visual prompting with clicked points and bounding boxes, as well as text-based prompts. It operates via a model-agnostic inference pipeline that interchanges multiple vision and language backbone networks through a unified adapter layer. A desk