Awesome GitHub RepositoriesComputer Vision Models

This project is an open-source, interactive educational platform designed to teach deep learning through a comprehensive, code-first curriculum. It provides a structured learning path that covers foundational mathematics, modern neural network architectures, and practical optimization techniques, enabling practitioners to master complex artificial intelligence concepts through hands-on experimentation. The platform distinguishes itself by integrating technical explanations with executable Jupyter notebooks. This design allows readers to modify code and hyperparameters in real-time, facilitati

This repository serves as a centralized collection of state-of-the-art deep learning architectures and reference implementations designed for research and application development. It provides a comprehensive toolkit for computer vision and natural language processing, offering pre-built models and training pipelines for tasks ranging from image classification and object detection to complex sequence modeling. The project distinguishes itself by providing a flexible execution harness that manages the entire training lifecycle, including data ingestion and backpropagation. It supports scalable

Ultralytics is a comprehensive computer vision framework designed for training, validating, and deploying deep learning models across a wide range of visual recognition tasks. It provides a unified interface for core operations including object detection, instance segmentation, pose estimation, and image classification. By utilizing a modular architecture, the platform allows users to swap model components to balance inference speed and accuracy requirements for diverse applications. The framework distinguishes itself through its support for real-time processing and flexible deployment. It in

Appwrite is a backend-as-a-service platform that provides a unified development environment for building full-stack applications. It integrates essential infrastructure components—including authentication, databases, storage, and serverless functions—into a single, centralized interface to simplify application development and resource management. The platform distinguishes itself through a container-based microservices architecture that ensures consistent execution across diverse infrastructure. It features a versatile connectivity layer that links frontend applications with third-party servi

YOLOv7 is a PyTorch vision library and real-time inference engine designed for object detection, human pose estimation, and instance segmentation. It provides a framework for detecting and locating multiple objects within images or video streams using neural networks. The system includes tools for custom model training and fine-tuning, allowing pre-trained weights to be adapted to specialized datasets via transfer learning. It also supports model weight export and format conversion to facilitate deployment on production servers and embedded edge devices.

OpenALPR is a computer vision platform designed to identify vehicle license plates and attributes from live video streams or static images. It functions as an intelligent access control and analytics system, enabling the automation of security monitoring, parking facility management, and operational workflows through real-time vehicle detection. The platform distinguishes itself by supporting international license plate formats and regional configuration mapping, allowing for deployment across diverse geographic standards. It integrates directly with existing network camera infrastructure, pe

This is a real-time object detection framework built on the YOLOv3 architecture, implemented in PyTorch. It provides a complete pipeline for identifying and localizing objects in images and video using a single neural network pass, combining a Darknet-53 backbone with multi-scale feature pyramids and anchor-based bounding box prediction. The framework extends beyond basic detection to include instance segmentation, human pose estimation, and multi-object tracking across video frames. It offers a model export toolkit that converts trained models through ONNX to CoreML, TensorFlow Lite, and Ten

AlphaPose एक डीप लर्निंग पोज़ एस्टिमेशन फ्रेमवर्क और PyTorch कंप्यूटर विज़न लाइब्रेरी है, जिसे इमेज और वीडियो में मानव शरीर, चेहरे, हाथ और पैर के कीपॉइंट्स को डिटेक्ट और ट्रैक करने के लिए डिज़ाइन किया गया है। यह स्केलेटल पोस्चर एस्टिमेशन और मल्टी-पर्सन पोज़ ट्रैकिंग के लिए एक सिस्टम प्रदान करता है। यह प्रोजेक्ट थ्री-डायमेंशनल ह्यूमन पोज़ रिकंस्ट्रक्शन के लिए टूल्स लागू करता है, जो टू-डायमेंशनल इमेज डेटा से जॉइंट पोजीशन्स और बॉडी मेश शेप्स जनरेट करता है। इसमें एक मल्टी-पर्सन पोज़ ट्रैकर भी शामिल है जो लगातार वीडियो फ्रेम्स में कई लोगों की पहचान बनाए रखने में सक्षम है। यह फ्रेमवर्क कंप्यूटर विज़न क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है, जिसमें मल्टी-पर्सन कीपॉइंट लोकलाइज़ेशन, ह्यूमन मोशन ट्रैकिंग और थ्री-डायमेंशनल बॉडी मेश का रिकंस्ट्रक्शन शामिल है।

CenterNet is a center point object detection framework and real-time computer vision pipeline. It identifies objects and poses by predicting center points instead of using anchor boxes. The system functions as a 3D bounding box estimator, a human pose estimation model, and a tool for real-time object detection. It treats the placement of joints and object locations as center point detection problems to locate entities in images and three-dimensional space. Capabilities cover 3D object detection, human keypoint estimation, and live video analysis. The pipeline uses a single-stage feedforward

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

Gluon-CV एक MXNet कंप्यूटर विज़न लाइब्रेरी है जो प्री-इंप्लीमेंटेड विज़न आर्किटेक्चर और ट्रेनिंग पाइपलाइन्स का एक व्यापक संग्रह प्रदान करती है। यह एक डीप लर्निंग रिसर्च टूलकिट और मॉडल ज़ू के रूप में कार्य करती है, जिसमें इमेज और वीडियो एनालिसिस के लिए अत्याधुनिक प्री-ट्रेंड वेट्स शामिल हैं। इस प्रोजेक्ट में एक विशेष ह्यूमन पोज़ एस्टिमेशन लाइब्रेरी और मॉडल कम्प्रेशन टूलकिट शामिल है। ये टूल्स इन्फरेंस स्पीड बढ़ाने और कंस्ट्रेंड एज हार्डवेयर पर डिप्लॉयमेंट को सुविधाजनक बनाने के लिए डीप लर्निंग मॉडल्स की प्रूनिंग और क्वांटाइज़ेशन की अनुमति देते हैं। यह लाइब्रेरी इमेज क्लासिफिकेशन, ऑब्जेक्ट डिटेक्शन और सिमेंटिक व इंस्टेंस सेगमेंटेशन जैसी विज़न क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है।

यह प्रोजेक्ट शैक्षिक Jupyter Notebooks का एक संग्रह है जो TensorFlow फ्रेमवर्क का उपयोग करके न्यूरल नेटवर्क निर्माण और टेंसर ऑपरेशंस पर ट्यूटोरियल प्रदान करता है। यह मशीन लर्निंग के छात्रों के लिए एक शैक्षिक रिपॉजिटरी और इम्प्लीमेंटेशन गाइड के रूप में कार्य करता है। यह सूट विशिष्ट उन्नत आर्किटेक्चर पर केंद्रित है, जिसमें इमेज क्लासिफिकेशन के लिए कन्वेन्शनल नेटवर्क, ट्रेनिंग स्टेबिलिटी के लिए स्किप कनेक्शन वाले रेजिडुअल नेटवर्क, और जेनरेटिव मॉडलिंग व डेटा सिंथेसिस के लिए वेरिएशनल ऑटोएनकोडर शामिल हैं। इसमें फीचर एक्सट्रैक्शन और डाइमेंशनलिटी रिडक्शन करने के लिए डीनोइजिंग और डीप ऑटोएनकोडर बनाने के लिए गाइड भी शामिल हैं। रिपॉजिटरी प्रेडिक्टिव मॉडलिंग के व्यापक दायरे को कवर करती है, जिसमें निरंतर मानों और बाइनरी परिणामों की भविष्यवाणी के लिए लीनियर, पॉलिनोमियल और लॉजिस्टिक रिग्रेशन के इम्प्लीमेंटेशन शामिल हैं।

Sapiens is a high-resolution human vision model designed for high-precision, human-centric computer vision tasks. It functions as a suite of tools for estimating human pose, depth, and surface geometry. The project utilizes a vision transformer backbone to perform multiple tasks through a shared encoder. This architecture enables the simultaneous prediction of skeletal structures, joint locations, and the distance between a camera and a human subject. The model's capabilities cover human body part segmentation to isolate anatomical regions from backgrounds and surface normal prediction to re

यह प्रोजेक्ट हाई-रिज़ॉल्यूशन रिप्रेजेंटेशन लर्निंग के लिए डिज़ाइन किए गए एक रिसर्च आर्किटेक्चर का PyTorch इम्प्लीमेंटेशन है। यह कंप्यूटर विज़न फ्रेमवर्क सटीक कीपॉइंट डिटेक्शन, ह्यूमन पोज़ एस्टिमेशन और सिमेंटिक इमेज सेगमेंटेशन पर केंद्रित है। यह इम्प्लीमेंटेशन मानव शरीर पर एनाटॉमिकल लैंडमार्क की पहचान करने और ओरिएंटेशन व अलाइनमेंट का विश्लेषण करने के लिए फेशियल कीपॉइंट कोऑर्डिनेट्स का अनुमान लगाने के लिए विशेष टूल्स प्रदान करता है। यह नेटवर्क में हाई-रिज़ॉल्यूशन रिप्रेजेंटेशन बनाए रखने के लिए मल्टी-रिज़ॉल्यूशन पैरेलल स्ट्रीम्स और रिपीटेड मल्टी-स्केल फ्यूजन सिस्टम का उपयोग करता है। यह फ्रेमवर्क ऑब्जेक्ट डिटेक्शन, इमेज क्लासिफिकेशन और पिक्सेल-लेवल सिमेंटिक सेगमेंटेशन सहित कंप्यूटर विज़न कार्यों की एक विस्तृत श्रृंखला को कवर करता है। इसमें लेबल किए गए डेटासेट पर मॉडल को ट्रेन करने और वैलिडेशन डेटा के मुकाबले अनुमानित जॉइंट पोजीशन्स की सटीकता का मात्रात्मक मूल्यांकन करने के लिए वर्कफ़्लो भी शामिल है।

This project is a collection of TensorFlow machine learning examples providing reference implementations for various neural network paradigms. It covers supervised, unsupervised, reinforcement, and sequential learning models. The repository includes implementations for convolutional neural networks focused on image classification and ranking, as well as recurrent neural networks for time-series forecasting and sequence-to-sequence translation. It further provides examples of reinforcement learning agents trained via reward optimization and unsupervised learning techniques such as autoencoders

This project is a comprehensive educational resource and tutorial handbook for building, training, and deploying machine learning models using TensorFlow 2. It serves as a structured learning guide covering core deep learning concepts, including neural network architectures, automatic differentiation, and tensor operations. The handbook provides technical guidance on optimizing execution efficiency through GPU memory management, distributed training, and model quantization. It also includes detailed manuals for constructing high-performance data pipelines and exporting models for production s

HigherHRNet is a deep learning framework designed for bottom-up human pose estimation. It functions as a computer vision keypoint detector that identifies and tracks human body joints by utilizing high-resolution feature pyramids and scale-aware representation learning. The project distinguishes itself through a bottom-up approach, which identifies individual body parts across an entire image before clustering them into distinct human skeletons. This methodology is supported by multi-resolution feature fusion, which maintains high-resolution representations throughout the network by repeatedl

This project is a deep learning framework built for detecting and tracking human body keypoints in images and video streams. It functions as both a real-time motion tracking system and a machine learning environment for training and evaluating pose estimation models. The system utilizes a two-branch convolutional neural network to predict body part locations and their directional connections simultaneously. It employs multi-stage feature refinement to improve keypoint localization accuracy and uses greedy parsing and bipartite matching algorithms to associate detected parts into individual sk

यह प्रोजेक्ट एक कंप्यूटर विजन पाइपलाइन है जो वीडियो स्ट्रीम के भीतर चलती वस्तुओं की निगरानी के लिए ऑब्जेक्ट डिटेक्शन और ट्रैकिंग को इंटीग्रेट करती है। यह एक एंड-टू-एंड एनालिटिक्स टूल के रूप में कार्य करता है जो वस्तुओं की पहचान, वर्गीकरण और अद्वितीय पहचान बनाए रखने के लिए वीडियो फ्रेम को प्रोसेस करता है क्योंकि वे एक दृश्य के माध्यम से चलते हैं। सिस्टम डिटेक्शन के लिए डीप लर्निंग इन्फरेंस और अस्थायी निरंतरता सुनिश्चित करने के लिए गति अनुमान के संयोजन का उपयोग करता है। विज़ुअल उपस्थिति विवरणकों को भविष्य कहनेवाला गति मॉडलिंग के साथ जोड़कर, यह अस्थायी ऑक्लूजन के दौरान या जब स्थानिक ओवरलैप अपर्याप्त होता है, तब भी वस्तु पहचान बनाए रखता है। फ्रेमवर्क ट्रैकिंग तर्क के साथ डिटेक्शन परिणामों को सिंक्रोनाइज़ करने के लिए अनुक्रमिक प्रसंस्करण का उपयोग करता है, जो आंदोलन पैटर्न की सुसंगत निगरानी की अनुमति देता है। बुनियादी ट्रैकिंग से परे, सॉफ्टवेयर में वीडियो फीड के भीतर गतिविधि को मापने के लिए क्षमताएं शामिल हैं। यह कुल वस्तु या वाहन गणना का समर्थन करता है क्योंकि वे निर्दिष्ट लाइनों को पार करते हैं या विशिष्ट क्षेत्रों में प्रवेश करते हैं। कार्यान्वयन को कस्टम विजन एप्लिकेशन बनाने के लिए एक डेवलपमेंट फ्रेमवर्क के रूप में संरचित किया गया है जो डायनामिक वातावरण से डेटा की व्याख्या और निष्कर्षण करते हैं।

This project is a computer vision framework designed for the real-time detection of human body keypoints and skeletal structures. It provides an integrated toolkit for training, optimizing, and executing pose estimation models specifically for deployment on edge computing hardware. The framework distinguishes itself by utilizing part affinity field mapping to encode spatial relationships between joints, which are then processed through a greedy parsing algorithm to reconstruct human skeletons from visual data. To ensure high-performance execution, the library incorporates model quantization a