Awesome GitHub RepositoriesComputer Vision Annotation

CVAT एक ओपन-सोर्स कंप्यूटर विज़न एनोटेशन टूल और विज़ुअल डेटासेट प्रबंधन प्लेटफ़ॉर्म है। यह विज़न AI मॉडल के लिए डेटासेट बनाने के लिए छवियों, वीडियो और 3D डेटा को लेबल करने के लिए एक स्व-होस्टेड इंटरफ़ेस प्रदान करता है। प्लेटफ़ॉर्म में मास्क और बाउंडिंग बॉक्स के निर्माण को स्वचालित करने के लिए AI-सहायता प्राप्त डेटा लेबलिंग की सुविधा है, जो बाहरी मशीन लर्निंग मॉडल को जोड़ने के लिए प्लग-इन सिस्टम का उपयोग करता है। इसमें एक आम सहमति-आधारित गुणवत्ता आश्वासन प्रणाली शामिल है जो स्वतंत्र एनोटेशन की तुलना करके लेबल सटीकता को सत्यापित करती है। सिस्टम सहयोगी टीम प्रबंधन, कार्य अपघटन के माध्यम से प्रोजेक्ट संगठन, और रिमोट क्लाउड स्टोरेज एकीकरण को कवर करता है। यह प्रोग्रामेटिक वर्कफ़्लो नियंत्रण और उद्योग-मानक प्रारूपों में डेटा के आयात और निर्यात के लिए एक REST API भी प्रदान करता है।

Labelme कंप्यूटर विज़न डेटासेट बनाने के लिए उपयोग किया जाने वाला एक Python-आधारित इमेज एनोटेशन टूल है। यह सिमेंटिक सेगमेंटेशन के लिए एक विज़ुअल एडिटर के रूप में कार्य करता है, जो उपयोगकर्ताओं को बहुभुज, आयत, बिंदु और वृत्तों का उपयोग करके ऑब्जेक्ट सीमाओं को परिभाषित करने की अनुमति देता है। एप्लिकेशन एक मल्टीस्पेक्ट्रल इमेज एनोटेटर के रूप में भी कार्य करता है, जो उपग्रह और वैज्ञानिक इमेजरी में उपयोग की जाने वाली उच्च-बिट गहराई वाली TIFF फ़ाइलों का समर्थन करता है। यह टूल मास्क और बहुभुज के निर्माण को स्वचालित करने के लिए AI-सहायता प्राप्त लेबलिंग क्षमताओं को शामिल करता है। ये विशेषताएं टेक्स्ट प्रॉम्प्ट या इंटरैक्टिव पॉइंट चयन द्वारा संचालित आकार निर्माण की अनुमति देती हैं, जो उपयोगकर्ता द्वारा रखे गए सकारात्मक और नकारात्मक बिंदुओं के आधार पर सीमाओं का प्रस्ताव करती हैं। सॉफ्टवेयर डेटा प्रबंधन और एनोटेशन कार्यों की एक विस्तृत श्रृंखला को कवर करता है, जिसमें घने पिक्सेल मास्क, रोटेटेड बाउंडिंग बॉक्स और वीडियो फ्रेम अनुक्रमण का निर्माण शामिल है। इसमें आंतरिक JSON स्थिति दृढ़ता को COCO और Pascal VOC जैसे मानक डेटासेट प्रारूपों में अनुवाद करने के लिए एक पाइपलाइन शामिल है। अतिरिक्त क्षमताओं में इमेज-लेवल वर्गीकरण फ्लैग, ज्यामिति परिशोधन उपकरण और बैच इमेज आयात शामिल हैं।

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