FCOS 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
FCOS: Fully Convolutional One-Stage Object Detection (ICCV'19)
microsoft
Windows 效率工具集,提供窗口管理、批量重命名、取色器等系统增强功能。目前累计 14 万 star、8.7k fork,在本地项目库中星标排名约第 76 / 65722,主要语言为 C,项目始于 2019 年,采用 MIT 许可。最近状态:本周仍有提交。
适合谁:推荐给需要桌面端软件的团队:涉及 advanced-paste、color-picker、command-palette、desktop 方向。
按累计星标排序,库内共 65,726 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,044 个)。
优先使用本地记录的星标快照计算近 7 天真实增量;快照不足 7 天时,按「创建以来日均获星」估算,数值旁会标注口径。
已收录 GitHub 星标过千的公开项目,附原始简介、语言、主题与活跃度。用一句自然语言描述需求,即可获得 AI 推荐。
FCOS 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
FCOS: Fully Convolutional One-Stage Object Detection (ICCV'19)
pytorch-yolo-v3 是用 Python 编写的学习资料,用于算法与数据结构学习。
A PyTorch implementation of the YOLO v3 object detection algorithm
bevfusion 是用 Python 编写的开源项目,主题标签有限,建议打开仓库查看具体用途。
[ICRA'23] BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird's-Eye View Representation
DAMO-YOLO 是用 Python 编写的学习资料,用于系统学习与查阅,主打速度快。
DAMO-YOLO: a fast and accurate object detection method with some new techs, including NAS backbones, efficient RepGFPN, ZeroHead, AlignedOTA, and di…
deepsparse 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
Sparsity-aware deep learning inference runtime for CPUs
a-PyTorch-Tutorial-to-Object-Detection 是用 Python 编写的学习资料,用于系统学习与查阅。
SSD: Single Shot MultiBox Detector | a PyTorch Tutorial to Object Detection
yolov7_d2 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
🔥🔥🔥🔥 (Earlier YOLOv7 not official one) YOLO with Transformers and Instance Segmentation, with TensorRT acceleration! 🔥🔥🔥
simpledet 是用 Python 编写的开发框架,提供应用开发的基础结构,主打易用。
A Simple and Versatile Framework for Object Detection and Instance Recognition
mAP 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
mean Average Precision - This code evaluates the performance of your neural net for object recognition.
tensorRT_Pro 是用 C++ 编写的学习资料,用于系统学习与查阅。
C++ library based on tensorrt integration
ICCV 2025 论文和开源项目合集
ICCV 2025 论文和开源项目合集
InternImage 是用 Python 编写的 AI 模型,提供可直接使用的模型与权重。
[CVPR 2023 Highlight] InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions
DINO 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
[ICLR 2023] Official implementation of the paper "DINO: DETR with Improved DeNoising Anchor Boxes for End-to-End Object Detection"
easy-tensorflow 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打易用、功能完整。
Simple and comprehensive tutorials in TensorFlow
ownphotos 是用 Jupyter Notebook 编写的开发框架,用于搭建服务端与接口,主打支持自托管。
Self hosted alternative to Google Photos
T-Rex 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
[ECCV2024] API code for T-Rex2: Towards Generic Object Detection via Text-Visual Prompt Synergy
norfair 是用 Python 编写的学习资料,用于系统学习与查阅,主打轻量、实时。
Lightweight Python library for adding real-time multi-object tracking to any detector.
Base on YOLOv5 Head Person Helmet Detection on Construction Sites,基于目标检测工地安全帽和禁入危险区域识别系统,🚀😆附 YOLOv5 训练自己的数据集超详细教程🚀�…
Base on YOLOv5 Head Person Helmet Detection on Construction Sites,基于目标检测工地安全帽和禁入危险区域识别系统,🚀😆附 YOLOv5 训练自己的数据集超详细教程🚀😆2021.3新增可视化界面❗❗
deepdetect 是用 C++ 编写的学习资料,用于系统学习与查阅。
Deep Learning Server and CLI for Torch and TensorRT
Deep-Learning-for-Tracking-and-Detection 是用 HTML 编写的学习资料,用于系统学习与查阅。
Collection of papers, datasets, code and other resources for object tracking and detection using deep learning
yolov3-tf2 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅,主打实现清晰。
YoloV3 Implemented in Tensorflow 2.0
Getting-Things-Done-with-Pytorch 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Jupyter Notebook tutorials on solving real-world problems with Machine Learning & Deep Learning using PyTorch. Topics: Face detection with Detectron…
inference 是用 Python 编写的 AI 工具,用于大模型与智能体应用开发。
Turn any computer or edge device into a command center for your computer vision projects.
NudeNet 是用 Python 编写的学习资料,用于系统学习与查阅,主打轻量。
Lightweight nudity detection
项目列表来自 GitHub 官方 Search API(stars:>1000)。单个查询最多只能返回前 1000 条,所以「同步热门」取到的是星标最高的 1000 个;要拿全量必须按星标区间拆成多个查询——本站会先查各区间的真实数量再自动切分(1k–2k 约 3.2 万个,2k–5k 约 2.1 万个,5k–20k 约 1 万个,2 万以上约 2300 个)。GitHub 上星标过千的公开仓库当前约 66,044 个,本站已收录 65,726 个。星标、简介、语言与主题均为 GitHub 原始字段,未做人工逐一核验。
中文介绍分三种来源,卡片与详情页均有标注:热门项目使用本站人工维护的条目;其余项目由程序依据语言、主题、简介中的特征词与项目数据自动生成;仓库原简介本身是中文时直接引用原文。自动生成的介绍只是对公开字段的归纳,不代表项目方表述,也不构成选型结论。
每日推荐按北京时间每天从星标 6000 以上、近 18 个月仍有提交且未归档的项目中选取,排除近 120 天已推荐过的项目,同一天内结果固定。推荐结果由规则引擎(或配置的大模型)生成,不构成选型结论。
每天每台设备可免费检索 3 次,浏览、筛选和关键词查找不消耗额度。选择下方任一方案即可继续(当前为模拟支付)。
模拟支付不会接入真实渠道,也不会产生任何扣款。