Awesome GitHub RepositoriesSmall Object Detectors

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

MMSegmentation is an open-source semantic segmentation toolbox built on PyTorch that provides a modular, configurable framework for building, training, evaluating, and deploying segmentation models. At its core, it offers a config-driven pipeline that assembles training, evaluation, and inference workflows by parsing hierarchical configuration files, with a modular component registry that enables plug-and-play composition of neural network modules, optimizers, datasets, and metrics. The framework supports the full model lifecycle through a unified runner interface that controls training, testi

GroundingDINO is a deep learning vision model and open-vocabulary object detector designed to map natural language prompts to spatial coordinates. It functions as a text-to-bounding-box framework that enables zero-shot image localization, allowing the system to identify and locate arbitrary objects without requiring predefined classes or specific training for those categories. The project distinguishes itself by matching visual features to natural language descriptions to achieve open-set visual recognition. It supports text-guided image localization and the isolation of specific objects base

PaddleX is a PaddlePaddle-based framework for building, deploying, and fine-tuning AI model pipelines, with pre-built support for computer vision, OCR, document analysis, and time series tasks. It offers a toolkit of ready-to-use pipelines for image classification, object detection, segmentation, and pose estimation, alongside an end-to-end OCR document analysis pipeline that extracts text, tables, formulas, and layout information. The platform also includes a dedicated time series forecasting pipeline for analyzing historical data to detect anomalies, classify patterns, and predict future val

VLM-R1 est un modèle de raisonnement vision-langage et un framework d'IA incarnée conçu pour mapper des entrées visuelles et des instructions linguistiques en points de navigation physiques et en actions robotiques. Il fonctionne comme un optimiseur de politique multimodal et un détecteur à vocabulaire ouvert capable de localiser des objets basés sur des descriptions arbitraires en langage naturel. Le système se distingue par l'utilisation du raisonnement par chaîne de pensée (chain-of-thought) et de l'apprentissage par renforcement pour résoudre des tâches visuelles et spatiales complexes. Il utilise un système de mémoire sémantique vidéo, qui emploie un cache visuel pour maintenir un historique de la vidéo en direct pour une interaction à faible latence et un raisonnement temporel continu. Le framework couvre un large éventail de capacités, notamment le mappage de points de navigation monoculaires pour la robotique, la localisation par jetons de région pour l'identification d'objets, et le fine-tuning supervisé basé sur des politiques pour la stabilité du raisonnement multimodal. Il prend également en charge la détection à vocabulaire ouvert, la compréhension d'expressions référentielles et l'extraction de caractéristiques d'objets fines via la récupération par prompt visuel. Le projet est implémenté en Python et prend en charge l'inférence sur le matériel Ascend.