Awesome GitHub RepositoriesComputer Vision Preprocessing

Real-ESRGAN is a deep learning restoration pipeline designed to enhance low-resolution media and improve the visual quality of damaged photographs. It functions as a generative image upscaler that reconstructs high-resolution details from source inputs by utilizing neural networks trained to fill in missing information and remove noise. The project distinguishes itself as a blind super-resolution tool, meaning it improves image sharpness and fidelity without requiring prior knowledge of the specific degradation applied to the source. It employs high-order degradation modeling to address compl

This project is a comprehensive computer vision library for the PyTorch ecosystem, providing a standardized collection of neural network architectures, datasets, and high-performance transformation utilities. It serves as a foundational framework for building, training, and deploying deep learning models, offering a centralized model registry that allows developers to instantiate architectures with pre-trained weights for tasks such as image classification, object detection, and semantic segmentation. The library distinguishes itself through its modular approach to data and compute management

Albumentations is an image augmentation library and computer vision preprocessing tool designed to expand datasets for deep learning models. It provides a collection of transformations that modify pixel values and spatial geometry to increase the diversity of training samples and improve model generalization. The library supports both 2D image augmentation and 3D volumetric data augmentation. It handles a variety of labels alongside images, ensuring that bounding boxes, keypoints, and segmentation masks remain accurately aligned when spatial transformations are applied. The tool incorporates

MNN is a high-performance inference engine and framework designed for on-device machine learning. It provides a comprehensive environment for executing, optimizing, and deploying neural network models directly on mobile and resource-constrained edge devices. The framework distinguishes itself through a robust model optimization toolkit that supports quantization, compression, and structural graph manipulation to minimize memory footprint and maximize execution speed. It features a modular architecture that abstracts hardware-specific backends, allowing models to run efficiently across diverse

Caire is a command-line image processing engine designed for content-aware resizing and batch manipulation. It utilizes seam carving algorithms to adjust image dimensions by identifying and removing low-energy pixels, allowing for the rescaling of images while preserving primary visual subjects and maintaining aspect ratios. The tool distinguishes itself through its ability to protect specific visual elements, such as human faces, from distortion during the resizing process. Users can apply custom binary masks to define regions for protection or forced removal, and the engine provides real-ti

scikit-image is a Python image processing library and scientific image analysis toolkit. It provides a framework for digital image processing and computer vision, utilizing numerical arrays for pixel-level manipulations. The library enables the quantification of image properties and the detection of visual features, such as edges and blobs. It includes tools for image segmentation and the extraction of textures and patterns to characterize objects within visual data. Capabilities cover image manipulation through color space conversion, geometric transformations, and digital restoration. It a

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

MiDaS is a PyTorch computer vision library and monocular depth estimation model designed to predict scene depth from single images. It functions as a scene depth predictor that computes distance maps to determine object proximity to the camera. The project enables zero-shot depth transfer, allowing the model to be applied to new datasets or environments without additional training data. It focuses on relative depth regression to predict scale-invariant depth maps. The library includes a real-time depth visualizer for capturing live camera feeds and displaying corresponding depth maps. It als

Augmentor एक Python इमेज ऑगमेंटेशन लाइब्रेरी और फ्रेमवर्क है जिसे मशीन लर्निंग डेटासेट का विस्तार करने के लिए डिज़ाइन किया गया है। यह एक प्रीप्रोसेसिंग टूल के रूप में कार्य करता है जो डेटा विविधता बढ़ाने के लिए सिंथेटिक इमेज वेरिएशन जनरेट करता है और एक ट्रेनिंग डेटा स्ट्रीमर के रूप में जो इंटरमीडिएट डिस्क स्टोरेज की आवश्यकता के बिना ऑगमेंटेड इमेज और लेबल को सीधे न्यूरल नेटवर्क लूप में फ़ीड करता है। यह फ्रेमवर्क इमेज और उनके संबंधित मास्क के बीच स्थानिक संरेखण (spatial alignment) बनाए रखता है, जो सिमेंटिक सेगमेंटेशन ट्रेनिंग के लिए आवश्यक है। यह इलास्टिक डिस्टॉर्शन, टिल्ट और स्क्यू के माध्यम से पर्सपेक्टिव शिफ्ट, रोटेशन, शियरिंग और रैंडम रीजन इरेज़िंग सहित विभिन्न ज्यामितीय और पिक्सेल-स्तरीय परिवर्तनों का समर्थन करता है। इस सिस्टम में डेटा असंतुलन को संबोधित करने के लिए प्रति-वर्ग प्रसंस्करण रणनीतियों के लिए क्षमताएं शामिल हैं और ऑगमेंटेड डेटासेट के समानांतर निर्माण में तेज़ी लाने के लिए मल्टी-थ्रेडिंग का उपयोग करता है। यह प्रीप्रोसेसिंग चरण के दौरान रॉ इमेज फ़ाइलों को साफ़ और मानकीकृत करने के लिए यूटिलिटीज़ भी प्रदान करता है।

imutils एक कंप्यूटर विज़न यूटिलिटी टूलकिट और इमेज प्रोसेसिंग लाइब्रेरी है जिसे OpenCV का उपयोग करके सामान्य हेरफेर कार्यों को सरल बनाने के लिए डिज़ाइन किया गया है। यह विज़ुअल डेटा प्रोसेसिंग को स्वचालित करने के लिए एक इमेज एनालिसिस हेल्पर और जियोमेट्री ट्रांसफॉर्मेशन टूल के रूप में कार्य करता है। टूलकिट ट्रांसफॉर्मेशन के दौरान इमेज की अखंडता बनाए रखने के लिए विशेष क्षमताएं प्रदान करता है, जैसे कि आस्पेक्ट रेशियो को संरक्षित करते हुए इमेज का आकार बदलना और कोनों को क्रॉप किए बिना इमेज को रोटेट करना। इसमें टॉप-डाउन व्यू बनाने के लिए फोर-पॉइंट पर्सपेक्टिव वार्पिंग और बाइनरी इमेज से टोपोलॉजिकल स्केलेटन निकालने के लिए टूल्स भी शामिल हैं। लाइब्रेरी प्रीप्रोसेसिंग और विश्लेषण कार्यों की एक विस्तृत श्रृंखला को कवर करती है, जिसमें ऑटोमैटिक एज डिटेक्शन थ्रेशोल्ड गणना, स्थानिक कंटूर सॉर्टिंग और RGB और BGR के बीच कलर स्पेस मैपिंग शामिल है। इसके अतिरिक्त, इसमें डेटासेट प्रबंधन के लिए उपयोगिताएं शामिल हैं, जैसे इमेज डिस्कवरी के लिए रिकर्सिव फाइल-सिस्टम स्कैनिंग और एक वेब इमेज डाउनलोडर।

This project is a comprehensive instructional resource and course for building neural networks using PyTorch. It covers the fundamental building blocks of deep learning, including tensor manipulation, automatic differentiation, and the construction of modular neural network components. The repository serves as a technical guide for several specialized domains. It provides implementation details for computer vision tasks such as image classification, object detection, and semantic segmentation, as well as natural language processing workflows involving transformers, recurrent networks, and gen

ExecuTorch is a lightweight C++ runtime for deploying PyTorch models on mobile, embedded, and edge hardware. It provides an ahead-of-time compilation pipeline that exports, quantizes, and lowers model graphs into compact serialized programs, then executes them through a minimal runtime with hardware acceleration and on-device large language model inference capabilities. The project distinguishes itself through a hardware accelerator delegate system that partitions model subgraphs and offloads computation to specialized backends including NPUs, GPUs, and DSPs from Apple, Arm, Intel, MediaTek,

Bild Go प्रोग्रामिंग भाषा में कार्यान्वित एक इमेज प्रोसेसिंग लाइब्रेरी है। यह इमेज हेरफेर के लिए एल्गोरिथम इंजनों का एक संग्रह प्रदान करती है, जिसमें फिल्टरिंग के लिए एक कन्वेन्शन कर्नल इंजन, लेयर कंपोजिशन के लिए एक इमेज ब्लेंडिंग टूल और सिंथेटिक टेक्सचर बनाने के लिए एक प्रोसीजरल नॉइज़ जनरेटर शामिल है। यह प्रोजेक्ट अपनी प्रोसीजरल जनरेशन क्षमताओं के लिए जाना जाता है, जो यादृच्छिक पिक्सेल वितरण और जैविक पैटर्न बनाने के लिए Perlin, Gaussian, बाइनरी और यूनिफॉर्म नॉइज़ एल्गोरिदम को लागू करता है। इसमें एक कमांड-लाइन इंटरफेस भी है जो उपयोगकर्ताओं को कस्टम कोड लिखे बिना इमेज फाइलों पर विज़ुअल इफेक्ट्स, रंग समायोजन और ज्यामितीय परिवर्तन लागू करने की अनुमति देता है। यह लाइब्रेरी इमेज प्रोसेसिंग क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है, जिसमें रोटेशन, शियरिंग और ज़ूमिंग जैसे ज्यामितीय परिवर्तन, साथ ही रंग हेरफेर और वितरण विश्लेषण शामिल हैं। यह इमेज विश्लेषण और सेगमेंटेशन, मॉर्फोलॉजिकल फिल्टरिंग के लिए टूल्स प्रदान करती है, और PNG, JPEG, BMP और WebP फॉर्मेट में इमेज डेटा पढ़ने और लिखने का समर्थन करती है।