Awesome GitHub RepositoriesComputer Vision Features

This project is an interactive data science environment that combines code execution, rich media visualization, and narrative documentation into a persistent, browser-based platform. It serves as a comprehensive educational resource for scientific computing, providing a framework for iterative data analysis and machine learning prototyping. The environment is distinguished by its focus on high-performance numerical computing, utilizing vectorized array operations and memory-mapped data structures to handle large-scale computations efficiently. It features a unified estimator interface that st

This project is a library of pretrained computer vision architectures and backbones for image classification and feature extraction. It serves as a comprehensive model zoo and collection of standardized image encoders, including ResNet, Vision Transformers, and EfficientNet, for use in visual analysis and as backbones for object detection and image segmentation. The library provides a framework for distributed training and evaluation of image models using advanced data augmentation and optimization scripts. It includes a dedicated toolset for converting trained PyTorch vision models into the

This project is an educational platform and research toolkit designed to teach deep learning through a combination of mathematical theory, visual diagrams, and executable code. It provides a comprehensive environment for building, training, and evaluating neural networks, grounding complex concepts in interactive computational notebooks that allow for hands-on experimentation. The framework distinguishes itself by interleaving theoretical foundations—including linear algebra, calculus, and probability—with practical implementations across multiple industry-standard libraries. It supports flex

Detectron is a PyTorch object detection framework and computer vision research platform. It provides implementations of neural network architectures for locating and identifying objects in images, including Mask R-CNN for generating instance segmentation masks and RetinaNet for one-stage detection. The platform supports computer vision prototyping and object detection research through the deployment of pre-trained baseline models. This allows for the rapid implementation and evaluation of visual recognition systems. Its capabilities cover image object localization and instance segmentation w

This project is a TensorFlow and Keras implementation of the Mask R-CNN architecture. It provides a framework for performing simultaneous object detection and instance segmentation, transforming raw images into segmented masks and bounding boxes for individual object identification. The toolset enables custom computer vision training through fine-tuning pre-trained weights and integrating user-provided datasets. It includes capabilities for distributed GPU training to accelerate the optimization of large vision models. The framework covers model evaluation using standard precision metrics an

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

This project is a static educational website and comprehensive curriculum focused on computer vision and deep learning. It serves as a public repository of instructional materials, lecture notes, and technical guides specifically detailing convolutional neural networks and visual recognition. The site is developed using static-site generation to host course documentation and student project directories. It provides structured academic resources that guide learners through image classification, generative modeling, and the implementation of various neural network architectures. The curriculum

tracking.js is a browser computer vision library written in JavaScript for performing real-time image analysis and object tracking directly within a web browser. It functions as a real-time object tracker, a color tracking tool, and a face detection utility. The library enables the detection and monitoring of specific color ranges, human faces, and known visual patterns across consecutive video frames. It extracts visual features and descriptors from images to identify distinct landmarks for matching and tracking. The project covers broad computer vision capabilities, including the ability t

AI-on-the-edge-device is an edge AI meter digitizer and computer vision image processor designed to convert images of analog and digital utility meters into numeric values. It functions as an IoT gateway that runs neural network inference locally on hardware to monitor water, power, and gas readings. The system is distinguished by its ability to handle both analog pointers and digital digits through custom-trained neural networks. It includes specialized tools for image alignment, region-of-interest extraction, and hardware-level lighting control to minimize glare on glass surfaces. To mainta

This project is a PyTorch object detection framework that implements the Faster R-CNN architecture. It serves as a vision model for predicting precise bounding boxes around multiple objects within images and live video feeds. The system is optimized for multi-GPU training to reduce the time required for model convergence. It utilizes a GPU-accelerated design to handle the training and inference of complex detection networks. The framework covers the full object detection lifecycle, including custom network training and inference for static images and real-time video streams. It includes capa

This repository contains programming assignments and lecture notes from Andrew Ng's foundational deep learning course specialization on Coursera. The materials cover core neural network training techniques including optimization algorithms, normalization methods, regularization approaches, parameter initialization strategies, and learning rate scheduling to improve model convergence and generalization. The coursework explores design principles where successive neural network layers learn progressively more abstract feature representations from input data. It provides guidance on selecting ope

GoCV is a computer vision library and Go language binding for OpenCV. It serves as an image processing toolkit and deep learning inference engine, providing programmatic access to a wide range of algorithms for image manipulation, object detection, and video analysis. The project differentiates itself through high-performance native bindings and hardware acceleration. It utilizes a foreign function interface to map Go calls to C++ functions and includes a hardware-agnostic backend dispatch to route neural network tasks to computation engines such as CUDA and OpenVINO. The library covers a br

mmcv is a foundation library for computer vision based on PyTorch. It provides a comprehensive system for constructing convolutional neural networks, a toolkit for image and video preprocessing, and a collection of high-performance deep learning vision operators. The project is distinguished by its hardware-accelerated kernels for complex operations such as deformable convolutions and region pooling. It features a configuration-driven framework that allows for the dynamic instantiation of network layers and the registration of custom modules without modifying code. The library covers a broad

DeepSORT एक रियल-टाइम मल्टी-ऑब्जेक्ट ट्रैकिंग फ़्रेमवर्क है जिसे वीडियो फ़्रेम में कई ऑब्जेक्ट्स की सुसंगत पहचान बनाए रखने के लिए डिज़ाइन किया गया है। यह वीडियो डेटा के अनुक्रम के माध्यम से ऑब्जेक्ट्स को ट्रैक करने के लिए मोशन डिस्क्रिप्टर्स के साथ डीप लर्निंग अपीयरेंस सुविधाओं को इंटीग्रेट करता है। सिस्टम व्यक्ति की पुन: पहचान (re-identification) के लिए उच्च-आयामी विज़ुअल डिस्क्रिप्टर्स उत्पन्न करने के लिए एक डीप कन्वेन्शनल न्यूरल नेटवर्क का उपयोग करता है। इन अपीयरेंस सुविधाओं को Kalman फ़िल्टरिंग के माध्यम से मोशन एस्टिमेशन के साथ जोड़ा जाता है और मौजूदा ट्रैक्स के साथ डिटेक्शन्स को बेहतर ढंग से जोड़ने के लिए हंगेरियन एल्गोरिदम का उपयोग करके हल किया जाता है। फ़्रेमवर्क में ऑब्जेक्ट लाइफसाइकिल को संभालने के लिए गेटिंग-आधारित एसोसिएशन फ़िल्टरिंग और स्टेट-आधारित ट्रैक प्रबंधन के लिए क्षमताएं शामिल हैं। यह वीडियो फ़्रेम पर ट्रैकिंग रिज़ल्ट्स को रेंडर करने और स्थापित बेंचमार्क के खिलाफ ट्रैकिंग प्रदर्शन का मूल्यांकन करने के लिए टूल्स भी प्रदान करता है।

OpenCVSharp is a .NET library that wraps native OpenCV functions, providing C# developers with access to OpenCV's computer vision capabilities through an API that mirrors the native C/C++ style. It serves as a managed wrapper for image processing, feature detection, object detection, and image manipulation tasks, while also handling automatic disposal of unmanaged OpenCV resources like Mat objects to prevent memory leaks in .NET applications. The library enables keypoint detection and descriptor extraction using algorithms such as AKAZE, BRISK, or FAST, with brute-force or FLANN-based matchin

Yolact एक कंप्यूटर विज़न फ्रेमवर्क और रीयल-टाइम इंस्टेंस सेगमेंटेशन मॉडल है। यह छवियों और वीडियो फ़ीड के लिए वस्तुओं का पता लगाने और पिक्सेल-स्तरीय मास्क उत्पन्न करने के लिए एक पूरी तरह से कन्वेन्शनल न्यूरल नेटवर्क का उपयोग करता है। सिस्टम वैश्विक मास्क प्रोटोटाइप बनाने के लिए प्रोटोटाइपिकल मास्क जनरेशन का उपयोग करता है जिन्हें इंस्टेंस-विशिष्ट परिणामों के लिए रैखिक रूप से जोड़ा जाता है। यह वस्तुओं के अनियमित आकार के लिए स्थानिक नमूनाकरण को अनुकूलित करने के लिए डिफ़ॉर्मेबल कन्वेन्शनल लेयर्स और डिफ़ॉर्मेबल रीजन-ऑफ़-इंटरेस्ट पूलिंग को शामिल करता है। फ्रेमवर्क पूर्ण मॉडल विकास लाइफसाइकिल को कवर करता है, जिसमें कस्टम डेटासेट पर प्रशिक्षण, औसत प्रिसिजन का उपयोग करके सटीकता मूल्यांकन और प्रसंस्करण गति को स्केल करने के लिए मल्टी-GPU वितरित प्रशिक्षण का उपयोग शामिल है। यह छवियों पर सेगमेंटेशन मास्क लागू करने और एनोटेट वीडियो फ़ाइलों को निर्यात करने के लिए मीडिया प्रसंस्करण उपयोगिताएँ भी प्रदान करता है। प्रोजेक्ट में चेकपॉइंट प्रबंधन और प्रशिक्षण पुनरारंभ के लिए स्थिति दृढ़ता उपकरण शामिल हैं, साथ ही मेट्रिक्स और हानि मूल्यों को रिकॉर्ड करने के लिए लॉगिंग भी शामिल है।

ArrayFire एक हार्डवेयर-अज्ञेयवादी (hardware-agnostic) कंप्यूट फ्रेमवर्क और JIT-कंपाइल किया गया टेंसर इंजन है जिसे उच्च-प्रदर्शन संख्यात्मक कंप्यूटिंग के लिए डिज़ाइन किया गया है। यह एक GPU न्यूमेरिकल कंप्यूटिंग लाइब्रेरी और पैरेलल सिग्नल प्रोसेसिंग टूलकिट के रूप में कार्य करता है जो हार्डवेयर बैकएंड को एब्स्ट्रैक्ट करता है, जिससे एक ही कोडबेस विभिन्न GPU आर्किटेक्चर और CPUs पर निष्पादित हो सकता है। यह प्रोजेक्ट एक JIT इंजन के माध्यम से खुद को अलग करता है जो ऑपरेशन्स को फ्यूज करने और मेमोरी ओवरहेड को कम करने के लिए एक्सप्रेशन कंपाइलेशन का उपयोग करता है। यह कंप्यूटेशन चेन को ऑप्टिमाइज़ करने के लिए एक डिफर्ड एक्जीक्यूशन ग्राफ का उपयोग करता है और CUDA तथा OpenCL जैसे बाहरी कंप्यूट प्लेटफॉर्म के साथ डेटा और निष्पादन संदर्भ साझा करने के लिए इंटरऑपरेबिलिटी प्रिमिटिव्स प्रदान करता है। यह लाइब्रेरी पैरेलल लीनियर अलजेब्रा, डिजिटल सिग्नल प्रोसेसिंग, और त्वरित कंप्यूटर विज़न सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है। यह मशीन लर्निंग इम्प्लीमेंटेशन, वित्तीय मॉडलिंग सिमुलेशन, और भौतिक प्रणाली सिमुलेशन के लिए आंशिक अंतर समीकरणों (partial differential equations) को हल करने के लिए उपकरण प्रदान करती है। इसका टेंसर मैनेजमेंट सिस्टम मल्टी-डायमेंशनल ऐरे एलोकेशन, स्लाइसिंग, और होस्ट-डिवाइस डेटा ट्रांसफर को संभालता है।

This project is a Python bio-imaging toolkit and analysis suite designed for processing and analyzing microscopy and medical images. It provides a collection of tools for image quantification, medical image segmentation, and general bio-imaging workflows. The suite includes specialized capabilities for quantifying biological data, such as measuring neuron branching complexity via Sholl analysis, calculating particle size distributions, and tracking wound area in scratch assays. It also features a medical image segmentation library that implements U-Net architectures for isolating anatomical s

CV-Backbones एक कंप्यूटर विज़न बैकबोन लाइब्रेरी और मॉडल ज़ू है, जो विज़ुअल फीचर्स निकालने और इमेज डेटा को प्रोसेस करने के लिए पूर्व-निर्धारित न्यूरल नेटवर्क आर्किटेक्चर का संग्रह प्रदान करता है। यह इमेज विश्लेषण और विज़ुअल रिप्रेजेंटेशन लर्निंग के लिए डिज़ाइन किए गए पुन: प्रयोज्य डीप लर्निंग घटकों का एक PyTorch विज़न फ्रेमवर्क है। यह लाइब्रेरी फीचर एक्सट्रैक्शन प्रदर्शन को बनाए रखते हुए कम्प्यूटेशनल ओवरहेड को कम करने के लिए कुशल न्यूरल नेटवर्क आर्किटेक्चर पर केंद्रित है। यह GhostNet और MLP जैसे हल्के मॉडल डिज़ाइनों के कार्यान्वयन के माध्यम से प्राप्त किया जाता है। यह प्रोजेक्ट कन्वेन्शनल न्यूरल नेटवर्क और ट्रांसफार्मर सहित मॉडल आर्किटेक्चर की एक विस्तृत श्रृंखला को कवर करता है। इसमें बैकबोन कार्यान्वयन को बदलने के लिए एक मॉड्यूलर सिस्टम और कन्वर्जेंस में तेज़ी लाने के लिए प्री-ट्रेंड वेट्स लोड करने का तंत्र शामिल है।

Deformable-ConvNets एक कंप्यूटर विजन फ्रेमवर्क और न्यूरल नेटवर्क घटकों का संग्रह है जिसे डिफॉर्मेबल कन्वेन्शनल न्यूरल नेटवर्क को लागू करने के लिए डिज़ाइन किया गया है। यह एडेप्टिव कन्वेन्शनल लेयर्स और पूलिंग इम्प्लीमेंटेशन प्रदान करता है जो छवियों के भीतर वस्तुओं की ज्यामिति को बेहतर ढंग से कैप्चर करने के लिए इनपुट फीचर्स के आधार पर अपने रिसेप्टिव फील्ड्स को संशोधित करते हैं। यह प्रोजेक्ट कन्वेन्शनल ग्रिड को लक्षित वस्तु आकृतियों के साथ संरेखित करने के लिए सीखने योग्य सैंपलिंग ऑफसेट्स और मॉड्यूलेशन मास्क के उपयोग को सक्षम बनाता है। इसमें कन्वेन्शन और पूलिंग लेयर्स में सीखे गए ऑफसेट्स को विज़ुअलाइज़ करने के लिए विशेष उपकरण शामिल हैं, जो यह विश्लेषण करने की अनुमति देते हैं कि नेटवर्क अपने स्थानिक रिसेप्टिव फील्ड को कैसे अनुकूलित करता है। इन क्षमताओं का उपयोग ऑब्जेक्ट डिटेक्शन की सटीकता में सुधार करने और सिमेंटिक सेगमेंटेशन को रिफाइन करने के लिए किया जाता है। यह फ्रेमवर्क वास्तविक वस्तु सीमाओं के साथ सैंपलिंग क्षेत्रों को संरेखित करने के लिए डिफॉर्मेबल पूलिंग के माध्यम से रुचि के क्षेत्रों (regions of interest) से फीचर्स निकालने का समर्थन करता है। इस इम्प्लीमेंटेशन में इन विशेष नेटवर्क आर्किटेक्चर को निष्पादित और मूल्यांकन करने के लिए एक ट्रेनिंग पाइपलाइन शामिल है।