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 este o bibliotecă și un framework Python de augmentare a imaginilor, conceput pentru a extinde seturile de date de machine learning. Funcționează ca un instrument de preprocesare care generează variații sintetice ale imaginilor pentru a crește diversitatea datelor și ca un streamer de date de antrenament care introduce imagini și etichete augmentate direct în buclele rețelelor neuronale, fără a necesita stocare intermediară pe disc. Framework-ul menține alinierea spațială între imagini și măștile corespunzătoare, ceea ce este necesar pentru antrenarea segmentării semantice. Suportă diverse transformări geometrice și la nivel de pixel, inclusiv distorsiuni elastice, schimbări de perspectivă prin înclinare și rotire, rotație, forfecare și ștergerea aleatorie a regiunilor. Sistemul include capabilități pentru strategii de procesare per-clasă pentru a aborda dezechilibrul datelor și utilizează multi-threading pentru a accelera generarea paralelă a seturilor de date augmentate. Oferă, de asemenea, utilitare pentru curățarea și standardizarea fișierelor imagine brute în etapa de preprocesare.

imutils este un set de instrumente de computer vision și o bibliotecă de procesare a imaginilor concepută pentru a simplifica sarcinile comune de manipulare folosind OpenCV. Servește ca ajutor pentru analiza imaginilor și instrument de transformare geometrică pentru automatizarea procesării datelor vizuale. Setul de instrumente oferă capabilități specializate pentru menținerea integrității imaginii în timpul transformărilor, cum ar fi redimensionarea imaginilor păstrând raportul de aspect și rotirea imaginilor fără a tăia colțurile. Include, de asemenea, instrumente pentru deformarea perspectivei în patru puncte pentru a crea vederi de sus și extragerea scheletelor topologice din imagini binare. Biblioteca acoperă o gamă largă de funcții de preprocesare și analiză, inclusiv calculul automat al pragului de detectare a marginilor, sortarea spațială a contururilor și maparea spațiului de culoare între RGB și BGR. În plus, include utilitare pentru gestionarea seturilor de date, cum ar fi scanarea recursivă a sistemului de fișiere pentru descoperirea imaginilor și un downloader de imagini web.

Acest proiect este o resursă educațională cuprinzătoare și un curs pentru construirea de rețele neuronale folosind PyTorch. Acoperă elementele fundamentale ale deep learning-ului, inclusiv manipularea tensorilor, diferențierea automată și construcția componentelor modulare de rețele neuronale. Repository-ul servește drept ghid tehnic pentru mai multe domenii specializate. Oferă detalii de implementare pentru sarcini de computer vision, cum ar fi clasificarea imaginilor, detecția obiectelor și segmentarea semantică, precum și fluxuri de lucru de procesare a limbajului natural (NLP) care implică transformatoare, rețele recurente și modele generative. În plus, include o referință pentru AI generativ, concentrându-se în mod specific pe sinteza de imagini prin modele de difuzie și rețele adversariale. Materialul se extinde către optimizarea modelelor și pipeline-uri de deployment. Acoperă tehnici pentru reducerea dimensiunii modelelor și creșterea vitezei de inferență prin cuantizare și exportul modelelor în formate precum ONNX și TensorRT. Alte domenii de capabilitate includ ingineria datelor pentru încărcarea paralelă, evaluarea modelelor folosind metrici personalizate și deployment-ul modelelor de limbaj mari (LLM) open-source. Proiectul este livrat în principal sub formă de serie de Jupyter Notebooks.

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 este o bibliotecă de procesare a imaginilor implementată în limbajul de programare Go. Oferă o colecție de motoare algoritmice pentru manipularea imaginilor, inclusiv un motor de kernel de convoluție pentru filtrare, un instrument de blending pentru compoziția straturilor și un generator procedural de zgomot pentru crearea de texturi sintetice. Proiectul se distinge prin capabilitățile sale de generare procedurală, implementând algoritmi de zgomot Perlin, Gaussian, binar și uniform pentru a produce distribuții aleatorii de pixeli și modele organice. De asemenea, dispune de o interfață de linie de comandă care permite utilizatorilor să aplice efecte vizuale, ajustări de culoare și transformări geometrice fișierelor imagine fără a scrie cod personalizat. Biblioteca acoperă o gamă largă de capabilități de procesare a imaginilor, inclusiv transformări geometrice precum rotația, forfecarea (shearing) și zoom-ul, precum și manipularea culorilor și analiza distribuției. Oferă instrumente pentru analiza și segmentarea imaginilor, filtrare morfologică și suportă citirea și scrierea datelor de imagine în formatele PNG, JPEG, BMP și WebP.