计算机视觉

RapidOCR 开源

多语言、多引擎的OCR工具集，一行代码搞定文字识别

RapidOCR 是一个基于 ONNX Runtime、OpenVINO、MNN、PaddlePaddle、TensorRT 和 PyTorch 等多种推理···

Text-Grab 开源

Windows 上按一下就能抓取屏幕任意文字，即取即用

Text-Grab 是一款专为 Windows 平台设计的轻量级 OCR 工具，核心目标是让用户在任何界面中快速抓取···

Deep-Exemplar-based-Video-Colorizati··· 开源

给老视频一键上色，参考图决定风格

这是一个基于深度学习的视频上色工具，来自CVPR 2019论文。它利用参考图像（示例图）为灰度视频自动···

frigate-hass-integration 开源

把 Frigate AI 监控无缝接入 Home Assistant，实时看事件、玩自动化

Frigate Hass Integration 是 Home Assistant 的官方集成组件，用于将 Frigate NVR（网络视频录像机···

vit-pytorch 开源

用纯 Transformer 做图像分类，代码简洁易上手，快速复现 SOTA 效果。

vit-pytorch 是一个基于 PyTorch 实现的 Vision Transformer（ViT）模型库，由 Phil Wang（lucidra···

Noteify 开源

拍一下纸币，语音告诉你面额，助视障人士轻松交易

Noteify 是一个面向视障人士的印度纸币识别应用，通过手机摄像头拍摄纸币，利用 TensorFlow Lite 模···

viseron 开源

本地化智能监控，隐私安全，实时识别物体人脸车牌

Viseron 是一款自托管的本地 NVR 与 AI 计算机视觉软件，专注于隐私保护，所有视频处理均在本地完成···

annolid 开源

拖拽标注视频，自动追踪动物并分析行为

annolid 是一个基于实例分割的多目标跟踪与行为分析工具包，主要面向动物行为研究领域。它解决了研···

caer 开源

甩开样板代码，快速跑通视觉实验

caer 是一个面向计算机视觉研究的高性能 Python 库，旨在减少样板代码，让研究者专注于核心算法。它···

machinevision-toolbox-python 开源

像搭积木一样搞定相机标定、特征提取和图像分割，快速验证视觉算法。

Machine Vision Toolbox for Python 是 Peter Corke 机器视觉工具箱的 Python 版本，旨在为 Python···

pyxu 开源

模块化计算成像框架，轻松实现GPU加速与大规模数据处理

Pyxu是一个专注于计算成像的Python开源库，旨在提供模块化、可扩展的成像算法开发框架。它解决的是···

Open3D-ML 开源

开箱即用的3D点云模型训练与部署工具

Open3D-ML 是 Open3D 的扩展库，专注于 3D 机器学习任务，如点云语义分割、物体检测和实例分割。它···

photonvision 开源

FRC 机器人视觉开箱即用，调参即出目标位姿

PhotonVision 是面向 FIRST 机器人竞赛（FRC）的开源计算机视觉方案，用 Java 编写，基于 OpenCV 和···

bbox-visualizer 开源

几行代码画出专业边界框，可视化调试不再繁琐

bbox-visualizer 是一个轻量级的 Python 工具库，专门用于在图像上绘制和标注边界框（bounding box···

mlkit 开源

照着跑通 Google 官方 ML Kit 示例，快速集成视觉和 NLP 能力

mlkit 是 Google 官方维护的 ML Kit 示例应用集合，覆盖 Android 和 iOS 双平台。它通过完整可运行···

hms-ml-demo 开源

照着示例，快速集成华为AI能力到安卓App

HMS ML Demo 是华为机器学习套件（ML Kit）的官方示例项目，旨在帮助开发者快速集成华为的AI能力。···

yolov5 开源

用 PyTorch 快速训练和部署目标检测模型，开箱即用。

YOLOv5 是 Ultralytics 团队开发的基于 PyTorch 的目标检测框架，是目前计算机视觉领域最流行的开源···

PaddleOCR 开源

把图片和 PDF 变成 AI 能用的结构化文本数据

PaddleOCR 是百度开源的 OCR 工具库，旨在将任意 PDF 或图片文档转化为结构化数据，供 AI 系统使用···

polynomial_nets 开源

用多项式替代传统激活，以更少参数实现更强图像识别与生成

Π-nets（多项式神经网络）是CVPR'20论文的官方实现，并扩展至T-PAMI-21版本。该项目旨在用多项式函···

roboflow-python 开源

用 Python 管数据集和模型，视觉项目少折腾

roboflow-python 是 Roboflow 官方推出的 Python SDK，用于在代码中统一管理计算机视觉数据集、模型···

caption_ocr_tool 开源

把视频里烧死的字幕，一键抠成可编辑文字

caption_ocr_tool 是一个用 Java 编写的视频硬字幕提取工具，主要解决视频中烧录（硬字幕）无法直接···

torchxrayvision 开源

开箱即用的胸部 X 光 AI 模型库，快速训练和部署诊断模型

TorchXRayVision 是一个面向胸部 X 光影像的开源工具库，集成了多个公开数据集和预训练模型，覆盖分···

OpenCVTutorials 开源

中文 OpenCV 教程，从入门到实战，边看边跑代码

OpenCVTutorials 是一份 OpenCV-Python 4.1 的中文文档项目，旨在为中文开发者提供系统、易懂的 Op···

tessdoc 开源

Tesseract 官方文档一站查，装、调、训不再翻论坛

tessdoc 是 Tesseract OCR 引擎的官方文档项目，以 HTML 形式集中整理 Tesseract 的安装、编译、训···