Awesome GitHub RepositoriesImage Recognition Systems

Darknet is a low-level neural network engine and framework written in C. It is designed for training and deploying deep learning models, with a primary focus on convolutional neural networks. The project serves as a CUDA accelerated deep learning library that offloads heavy mathematical operations to NVIDIA graphics hardware. This acceleration is used to increase processing speed and reduce execution time during the training of large networks. The engine supports a range of activities including deep learning research, image recognition development, and the training of convolutional neural ne

This project is an automated machine learning framework and toolkit designed for training and tuning custom models for classification, regression, and recommendations. It functions as a multimodal machine learning toolkit capable of processing and training models using a combination of text, image, audio, and sensor data. The framework distinguishes itself as a multimodal data processor that can handle and visualize large datasets on a single machine using column-oriented disk storage. It includes a core machine learning model generator that converts trained models into formats compatible wit

ConvNetJS is a JavaScript deep learning library and neural network training engine designed for client-side machine learning. It functions as a framework for building, training, and running convolutional neural networks directly within a web browser without the need for a backend server. The library specializes in image recognition and pattern analysis using convolutional and pooling layers. It enables the creation of models for classification and regression tasks, as well as the development of reinforcement learning agents that optimize behavior through trial and error in simulated environme

KoboldCPP is a local large language model inference engine and GGUF model runner designed to execute quantized models on personal hardware. It functions as a multimodal AI server and API gateway, providing OpenAI-compatible endpoints that allow third-party clients to interact with locally hosted models. The project distinguishes itself as an AI storytelling backend, featuring dedicated tools for long-form narrative management through persistent memory, world lore tracking, and character state management. It further extends its capabilities as a multimodal server capable of processing text, im

This project is a Python implementation of the Faster R-CNN object detection framework. It serves as a convolutional neural network library and tool for locating and classifying multiple objects within images. The framework provides a pre-trained model implementation that allows for object detection inference without manual training. It supports the full lifecycle of object detection, including training detectors on visual datasets to identify and bound specific object classes. The system covers capabilities for computer vision model evaluation, neural network optimization to reduce model si

Anti-Anti-Spider is an automated web scraping toolkit and CAPTCHA bypass framework. It uses convolutional neural networks to recognize characters and digits in image-based security challenges, enabling programmatic access to protected web content. The project functions as an image recognition model trainer, providing a workflow to preprocess labeled image datasets and train custom neural networks. Users can configure model architectures and hyperparameters to align the recognition system with the visual style of specific target websites. The toolkit covers capabilities for image data preproc

The TensorFlow Cookbook is a collection of code examples and recipes for building, training, and deploying machine learning models using TensorFlow. It covers the full model lifecycle, from constructing neural networks and training them with configurable parameters to packaging trained models for production deployment with unit tests and multi-device support. The project also integrates TensorBoard for logging and visualizing computational graphs, scalar summaries, and histograms during training. The cookbook demonstrates a wide range of machine learning techniques, including convolutional ne

is-thirteen एक नंबर वैलिडेशन लाइब्रेरी और न्यूमेरिकल इक्वेलिटी चेकर है जिसे यह सत्यापित करने के लिए डिज़ाइन किया गया है कि क्या कोई इनपुट तेरह (13) के बराबर है। यह एक डेटा क्लासिफिकेशन टूल के रूप में कार्य करता है जो संख्यात्मक, पाठ्य और विज़ुअल इनपुट स्ट्रीम में इस विशिष्ट मान की पहचान करता है। प्रोजेक्ट में एक इमेज-आधारित नंबर क्लासिफायर शामिल है जो अपलोड की गई छवियों के भीतर तेरह की विज़ुअल प्रस्तुतियों की पहचान करने के लिए डीप लर्निंग और न्यूरल नेटवर्क एनालिसिस का उपयोग करता है। लाइब्रेरी वैलिडेशन विधियों की एक विविधता को कवर करती है, जिसमें सटीक अंकगणितीय समानता, परिभाषित टॉलरेंस रेंज के भीतर अनुमानित मान मिलान, वैज्ञानिक नोटेशन पार्सिंग और संख्या के लिखित रूपों के लिए भाषाई पैटर्न मिलान शामिल है।

This is an open-source automation tool for the game Wuthering Waves that uses image recognition to control gameplay without modifying game memory or files. It runs automation tasks while the game window is minimized or obscured, freeing the computer for other use, and accepts command-line arguments to start specific tasks and optionally exit after completion. The tool automatically detects playable characters through screen analysis and adapts actions without manual skill configuration. It supports all common 16:9 resolutions up to 4K as well as some ultrawide formats, with a minimum required

PyBoy एक प्रोग्रामेबल Game Boy एमुलेटर और हार्डवेयर सिमुलेशन फ्रेमवर्क है जिसे Python में लिखा गया है। यह एक एमुलेशन इंजन के रूप में कार्य करता है जो उपयोगकर्ताओं को मूल हैंडहेल्ड सॉफ़्टवेयर निष्पादित करने की अनुमति देता है, साथ ही गेम निष्पादन को नियंत्रित करने, जांचने और स्वचालित करने के लिए एक प्रोग्रामेटिक इंटरफेस प्रदान करता है। यह प्रोजेक्ट विशेष रूप से एक सुदृढीकरण शिक्षण (reinforcement learning) वातावरण के रूप में डिज़ाइन किया गया है, जो मशीन लर्निंग एजेंटों के प्रशिक्षण को सुविधाजनक बनाने के लिए एमुलेटर राज्यों और नियंत्रणों को उजागर करता है। यह गेम एरिया मैपिंग और कृत्रिम बुद्धिमत्ता का समर्थन करने के लिए सरलीकृत 2D स्क्रीन रिप्रेजेंटेशन और कोलिजन मैप्स के निष्कर्षण के लिए टूल प्रदान करके खुद को अलग करता है। सिस्टम साइकिल-सटीक हार्डवेयर एमुलेशन, डायरेक्ट मेमोरी रीड और राइट ऑपरेशन्स, और निष्पादन हुक्स के लिए एक कॉलबैक सिस्टम सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। यह रीयल-टाइम गेम डेटा, जैसे स्प्राइट पोजीशन और मेमोरी सिंबल के निष्कर्षण का समर्थन करता है, और ग्राफिक्स और ऑडियो रेंडरिंग को बायपास करके सिमुलेशन गति को तेज करने के लिए एक हेडलेस निष्पादन मोड शामिल करता है। एमुलेटर स्नैपशॉट सीरियलाइजेशन के माध्यम से राज्य दृढ़ता, स्वायत्त एजेंटों के लिए इनपुट सिमुलेशन, और मेमोरी विश्लेषण और ROM डेटा संशोधन के लिए टूल भी प्रदान करता है।

यह प्रोजेक्ट ऑब्जेक्ट डिटेक्शन के लिए Faster R-CNN आर्किटेक्चर का एक PyTorch कार्यान्वयन है। यह एक डीप लर्निंग सिस्टम का उपयोग करके इमेजेस के भीतर मल्टीपल ऑब्जेक्ट क्लासेस और उनके संबंधित बाउंडिंग बॉक्स की पहचान करने के लिए एक फ्रेमवर्क प्रदान करता है। इस कार्यान्वयन में कस्टम डेटासेट्स पर मॉडल्स को ऑप्टिमाइज़ करने के लिए एक ट्रेनिंग पाइपलाइन और मॉडल इनिशियलाइज़ेशन के लिए बाहरी फॉर्मेट्स से प्री-ट्रेंड वेट्स को कम्पैटिबल स्ट्रक्चर में बदलने के लिए एक यूटिलिटी शामिल है। यह सिस्टम एक रीजन प्रपोज़ल नेटवर्क और एक ROI पूलिंग लेयर से युक्त दो-चरणीय डिटेक्शन पाइपलाइन को कवर करता है। यह ऑब्जेक्ट लोकेशन्स को रिफाइन करने के लिए मल्टी-टास्क लॉस फंक्शन्स और एंकर-आधारित बाउंडिंग बॉक्स रिग्रेशन को शामिल करता है। इस प्रोजेक्ट में मॉडल परफॉरमेंस की निगरानी के लिए ट्रेनिंग लॉस और प्रेडिक्शन सटीकता के वास्तविक समय विज़ुअलाइज़ेशन के लिए टूल्स शामिल हैं।

Recognize-anything is a multimodal foundation model designed for image recognition, visual tagging, and the generation of descriptive text captions from visual input. It functions as a multimodal embedding model that maps images and text into a shared vector space to enable cross-modal retrieval and recognition. The system implements zero-shot image classification and open-vocabulary object detection, allowing it to recognize object categories not present in the original training data through custom label embeddings. It also features a visual tagging engine and a captioning system that produc