汇聚全球AI计算机视觉项目，OCR识别、目标检测、图像分割、人脸识别工具大全。
共收录 602 个开源项目
awesome-industrial-anomaly-detection
开源
免费
仅开源
一库在手，快速检索工业缺陷检测论文与数据集
这是一个持续更新的工业图像异常/缺陷检测论文与数据集检索库，汇集了该领域从经典到前沿的学术资源···
sparsefusion
开源
免费
仅开源
从稀疏视角生成高质量3D模型，重建新视角图像
SparseFusion 是一个基于视图条件扩散模型的 3D 重建开源项目，发表于 CVPR 2023。它解决的是从少量···
supervision
开源
免费
可打开
写视觉代码太繁琐？用 supervision 几行搞定检测、分割和可视化。
supervision 是一个专注于计算机视觉的可复用工具库，旨在简化视觉任务的开发流程。它解决了开发者···
Conffusion
开源
免费
仅开源
给扩散模型生成结果加上统计置信区间，量化不确定性
Conffusion 是论文《Conffusion: Confidence Intervals for Diffusion Models》的官方实现，旨在为···
EVA
开源
免费
仅开源
用智源EVA视觉大模型，轻松提升图像任务精度
EVA是北京智源人工智能研究院（BAAI）开源的一系列视觉基础模型，专注于视觉表示学习。它通过大规模···
ocr-vqgan
开源
免费
仅开源
让AI生成的论文图表文字清晰可读
OCR-VQGAN 是一个面向论文图表（figure images）的离散图像编码器，包含 tokenizer 和 detokenizer···
OnnxTR
开源
免费
仅开源
用 ONNX 跑 docTR OCR，不装 PyTorch 也能识别文档文字
OnnxTR 是 docTR 文档文本识别库的 ONNX 推理管线封装，目标是在不依赖深度学习训练框架的前提下提···
tapnet
开源
免费
仅开源
在视频里盯住任意一个点，遮挡变形也不丢
TapNet 是 DeepMind 开源的「追踪任意点」（Tracking Any Point, TAP）基准与算法实现，目标是在视···
ModelAssistant
开源
免费
可打开
从训练到部署，让嵌入式设备跑上视觉 AI
ModelAssistant 是矽递科技（Seeed Studio）推出的开源嵌入式 AI 工具链，属于 SenseCraft 生态的一···
RapidOcrOnnx
开源
免费
仅开源
C++ 里跑 ONNX 版 RapidOCR，图进字出
RapidOcrOnnx 是 RapidOCR 的 ONNX Runtime C++ 推理实现，把原本以 Python 为主的 OCR 流程移植到···
CShade
开源
免费
仅开源
给 ReShade 装上 AI 引擎，实时提升游戏和视频画质
CShade 是一组专为 ReShade 设计的图像与视频处理着色器集合，使用 HLSL 编写，旨在为游戏和视频画···
FrozenBiLM
开源
免费
仅开源
冻结语言模型，零样本看懂视频回答问题
FrozenBiLM 是一个用于零样本视频问答（VideoQA）的开源模型，来自 NeurIPS 2022 论文。它解决的是···
FernRPExample
开源
免费
仅开源
在Unity里用Stable Diffusion生成贴图，直接驱动NPR/PBR渲染
FernRPExample 是 FernRP 包在 Unity 中的示例实现，专注于将 AI 图像生成（如 Stable Diffusion）···
ultralytics
开源
免费+付费
可打开
几行代码搞定目标检测，训练部署一条龙
Ultralytics 是计算机视觉领域最流行的开源工具包，提供 YOLO 系列目标检测模型（包括 YOLOv8、YOL···
Pix2Text
开源
免费+付费
不稳定
图片直接转 Markdown，公式表格全搞定，免费替代 Mathpix
Pix2Text 是一个开源的 Python3 工具，旨在将图片中的版面、表格、数学公式和文字识别并转换为 Mar···
semantic-segmentation-ml-pipeline
开源
免费
仅开源
用TFX+GCP一键搭建语义分割生产级流水线
这是一个基于TensorFlow Extended (TFX)和Google Cloud Platform (GCP)产品的语义分割机器学习流水···
VideoPipe
开源
免费
仅开源
拖拽式搭建视频分析流水线，快速落地 CV+大模型应用
VideoPipe 是一个基于计算机视觉模型和多模态大语言模型（mLLM）的跨平台视频结构化分析框架。它解···
CV-CUDA
开源
免费
仅开源
GPU 批量跑图像预处理，云端视觉吞吐翻倍
CV-CUDA 是字节跳动与英伟达联合开源、面向云规模图像处理与计算机视觉的 GPU 加速库。它针对传统 ···
yolov7-object-tracking
开源
免费
仅开源
几行命令跑通 YOLOv7 检测加 SORT 跟踪，视频里目标自动带 ID
这是一个把 YOLOv7 目标检测与 SORT 跟踪算法结合起来的开源示例项目，使用 PyTorch 做模型推理、O···
BiRefNet
开源
免费
不稳定
高分辨率图像一键精准抠图，细节不丢失
BiRefNet 是一个用于高分辨率二分图像分割（Dichotomous Image Segmentation, DIS）的深度学习模型···
particle-life
开源
免费
仅开源
拖拽调参，让粒子自己长成生命图案
particle-life 是一个用 HTML/JavaScript 实现的粒子生命模拟器，通过定义粒子之间的吸引/排斥力规···
Remote-Sensing-RVSA
开源
免费
仅开源
让通用ViT适配遥感图像，多方向多尺度目标识别更准
Remote-Sensing-RVSA 是遥感领域的基础模型开源项目，对应 TGRS'22 论文《Advancing Plain Vision ···
FaceAISDK_Android
开源
免费
仅开源
手机离线跑人脸识别与活体，不联网也能刷脸
FaceAISDK_Android 是一个面向 Android 端的离线人脸识别 SDK，用 Java 编写，把「人脸检测 + 活体···
fsdl-text-recognizer-2022-labs
开源
免费
仅开源
跟着课程撸一个能跑的文本识别全流程项目
这是一个完整的深度学习项目，源自 Full Stack Deep Learning 2022 课程的实验代码，用于构建文本识···
