locate-anything

一句话框出图中任意物体，本地GPU一键跑

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 计算机视觉 🍴 复刻 20 🐛 待处理 14 👀 关注 1
GitHub ↗
GitHub 星标 ★ 170
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源免费，需自备GPU部署

项目预览

locate-anything 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队gammahazard
GitHubhttps://github.com/gammahazard/locate-anything
定价模式🏷️完全免费
价格说明开源免费，需自备GPU部署
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言TypeScript
技术栈/模型bounding-boxes,computer-vision,cuda,docker,fastapi,gpu,grounding,locate-anything,machine-learning,nvidia,object-detection,ocr,open-vocabulary-detection,react,self-hosted,tailwindcss,typescript,vision-language-model,web-ui
GitHub 星标★ 170
上线时间2026-05-27 00:00:00
代码更新2026-09-10
仓库体积5.3 MB
本站数据更新2026-11-04
维护状态维护中
收录时间2026-09-20
浏览次数2

项目介绍

locate-anything 是一个为 NVIDIA LocateAnything-3B 模型打造的轻量级 Web 界面，通过一条 docker compose up 命令即可在本地 GPU 上启动开放词汇目标检测与视觉定位服务。它解决的核心问题是：开发者想用大模型做目标检测时，往往要自己写推理脚本、搭后端、调前端，门槛高且不便于演示。该项目把 FastAPI 后端、CUDA 推理和移动端友好的前端打包成 Docker 服务，用户只需输入文本描述（如“穿红衣服的人”），就能在图片中框出对应目标，无需训练专用检测器。技术上基于 TypeScript 前端与 Python 推理服务，依赖 NVIDIA GPU 和 CUDA，支持开放词汇，意味着可以检测训练集中未出现的类别。适合快速验证、原型演示和本地私有化部署。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-20 · 当前星标 ★ 170

核心亮点

  • 一条 docker compose up 即可启动完整服务，部署门槛极低
  • 前端移动端适配，手机浏览器也能流畅标注和查看检测框
  • 开放词汇检测，无需重新训练即可识别自定义文本描述的目标

不足之处

  • 强依赖 NVIDIA GPU 与 CUDA 环境，无 GPU 或非 N 卡用户无法使用
  • 项目处于早期，文档和社区生态尚不完善，遇到问题可参考的资料有限

适用场景

  • 电商或内容平台快速标注图片中的商品、人物、场景元素
  • 安防或工业质检场景中，用自然语言描述定位异常目标
  • 个人开发者本地搭建视觉 demo，向非技术用户展示开放词汇检测能力

替代项目

GroundingDINO、OWL-ViT、YOLO-World

上一篇：ORSI-HRSI-SOD_Summary

下一篇：Construction-Hazard-Detection

同类项目推荐

HTR-VT 开源

用纯 ViT 做手写文字识别，跑通训练到推理

(Pattern Recognition) Pytorch implementation of “HTR-VT: Handwritten Text Recogniti···

★ 140 2026-09-30
ANTs 开源

医学图像精准配准与分割，助力神经影像分析

Advanced Normalization Tools (ANTs)

★ 1512 2026-08-10
snow-apps 开源

一站式搞定截图、录屏和OCR，替代系统自带工具

Snow Apps repository, providing source code for Snow Shot and Snow Image Viewer.

★ 6620 2026-08-10
YOLOX-ROS 开源

把 YOLOX 检测模型一键接入 ROS2 机器人

YOLOX + ROS2 object detection package (C++ only support)

★ 326 2026-10-28
talk2bev 开源

让自动驾驶地图能听懂人话，直接问答周围环境

Talk2BEV: Language-Enhanced Bird's Eye View Maps (ICRA'24)

★ 126 2026-08-09
PaddleOCRApi 开源

一键部署离线OCR接口，多语言调用识别图片文字

开源、免费、离线PaddleOCR，.NET完整开发套件，一键部署WebAPI 接口，支持 C#/C++/Java/P···

★ 117 2026-09-19
GEM-3D 开源

用扩散模型增强三维医学图像，提升生成质量与完整性

[IJCV'2026] Generative Enhancement for 3D Medical Images

★ 84 2026-08-09