frigate-hass-integration 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Frigate integration for Home Assistant
yangshun
面向忙碌工程师的面试准备资料,含算法、行为面试与简历建议。目前累计 14.3 万 star、1.7 万 fork,在本地项目库中星标排名约第 72 / 65730,主要语言为 TypeScript,项目始于 2016 年,采用 MIT 许可。最近状态:近半年有提交。
适合谁:推荐给想补齐某块知识的开发者:涉及 algorithm、algorithm-interview、algorithm-interview-questions、algorithms 方向。
按累计星标排序,库内共 65,735 个项目(GitHub 上星标 ≥ 1k 的公开仓库约 66,070 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。
frigate-hass-integration 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Frigate integration for Home Assistant
SimpleCVReproduction 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理,主打易用。
Replication of simple CV Projects including attention, classification, detection, keypoint detection, etc.
JSON2YOLO 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。
Legacy JSON-to-YOLO dataset converter for COCO, LabelMe, Labelbox, VoTT, INFOLKS, and ATH annotations. Superseded by convert_coco() in the Ultralyti…
zed-sdk 是用 C++ 编写的 AI 工具,用于人工智能方向的建模与推理。
⚡️The spatial perception framework for rapidly building smart robots and spaces
react-native-fast-tflite 是用 TypeScript 编写的移动端方案,用于移动应用开发,主打高性能。
🧬 High-performance TensorFlow Lite library for React Native with GPU acceleration
PaddleViT 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
:robot: PaddleViT: State-of-the-art Visual Transformer and MLP Models for PaddlePaddle 2.0+
FastMOT 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理,主打高性能。
High-performance multiple object tracking based on YOLO, Deep SORT, and KLT 🚀
GCNet 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
GCNet: Non-local Networks Meet Squeeze-Excitation Networks and Beyond
CenterNet2 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。
Two-stage CenterNet
nncf 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Neural Network Compression Framework for enhanced OpenVINO™ inference
YOLOv8-DeepSORT-Object-Tracking 是用 Jupyter Notebook 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。
YOLOv8 Object Tracking using PyTorch, OpenCV and DeepSORT
🌝 MLKit是一个强大易用的工具包。通过ML Kit您可以很轻松的实现文字识别、条码识别、图像标记、人脸检测、对象检测等功能。
🌝 MLKit是一个强大易用的工具包。通过ML Kit您可以很轻松的实现文字识别、条码识别、图像标记、人脸检测、对象检测等功能。
GLEE 是用 Python 编写的多媒体工具,用于处理音视频内容。
[CVPR2024 Highlight]GLEE: General Object Foundation Model for Images and Videos at Scale
review_object_detection_metrics 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。
Object Detection Metrics. 14 object detection metrics: mean Average Precision (mAP), Average Recall (AR), Spatio-Temporal Tube Average Precision (ST…
DataAugmentationForObjectDetection 是用 Jupyter Notebook 编写的学习资料,用于系统学习与查阅。
Data Augmentation For Object Detection
VisionLLM 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。
VisionLLM Series
OC_SORT 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。
[CVPR2023] The official repo for OC-SORT: Observation-Centric SORT on video Multi-Object Tracking. OC-SORT is simple, online and robust to occlusion…
最新版本yolov5+deepsort目标检测和追踪,能够显示目标类别,支持5.0版本可训练自己数据集
最新版本yolov5+deepsort目标检测和追踪,能够显示目标类别,支持5.0版本可训练自己数据集
Grounding-DINO-1.5-API 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。
Grounding DINO 1.5: IDEA Research's Most Capable Open-World Object Detection Model Series
yolo_ros 是用 C++ 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。
Ultralytics YOLOv8, YOLOv9, YOLOv10, YOLOv11, YOLOv12 for ROS 2
camera.ui 是用 TypeScript 编写的 AI 工具,用于人工智能方向的建模与推理,主打现代化。
The modern, local-first platform for professional video surveillance.
Multi-Camera-Live-Object-Tracking 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。
Multi-camera live traffic and object counting with YOLO v4, Deep SORT, and Flask.
channel-pruning 是用 Python 编写的 AI 工具,用于人工智能方向的建模与推理。
Channel Pruning for Accelerating Very Deep Neural Networks (ICCV'17)
ssd_keras 是用 Jupyter Notebook 编写的 AI 工具,用于人工智能方向的建模与推理。
Port of Single Shot MultiBox Detector to Keras
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 66,070 个,本站已收录 65,735 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。