YOLOv12官网 – 基于注意力机制的高效目标检测框架

RT-DETR（Real-time DEtection Transformer）是一种在速度和准确率方面均超越YOLO系列的先进物体检测模型，旨在提升计算机视觉任务的效率和效果。该模型采用高效的混合编码器和不确定性最小查询选择方法，支持灵活的速度调整和多尺度特征处理，在COCO数据集上表现出色。

B-cos Networks旨在通过对齐实现模型的可解释性，提供最先进的性能，适用于各种机器学习任务。

FLYCV是PaddlePaddle开发的高性能计算视觉系统，类似OpenCV但更轻量、性能更高。它在ARM架构下进行了大量优化，提供细粒度的编译选项控制，支持自定义命名空间，解决相同依赖库冲突问题，并支持多种主流操作系统，包括Android、ARMLinux、macOS（x86 & arm）、Windows、iOS。

Image2Paragraph是一个结合了ChatGPT、BLIP2、OFA、GRIT、Segment Anything和ControlNet技术的项目，旨在将图像转化为独特的段落描述。通过多种先进技术的集成，该项目能够从图像中提取丰富的特征，并生成详细且独特的文本描述，适用于多种AI应用和计算机视觉任务。

MultiPly是一个通过野外单目视频重建多人3D图像的项目，能够处理人物之间的遮挡和相互作用，使用先进的神经表征技术进行场景建模，并结合自监督的3D分割及可提示的2D分割模块，提供高效的人体姿势和形状优化。

CoPE是一种新的位置编码方法，允许根据上下文来调整位置，以关注更高抽象级别的序列元素。它能够根据需要计算每个注意力机制头的距离，解决标准Transformer无法解决的计数和复制任务，并在语言建模和编码任务上拥有更好的困惑度（PPL）。

opencv_contrib是OpenCV的额外模块库，包含了许多未包含在OpenCV主仓库中的功能和算法。它提供了大量额外的图像处理和计算机视觉算法，支持深度学习模型的应用和集成，并包含了许多实验性和前沿的计算机视觉技术。此外，opencv_contrib还提供了丰富的工具和插件，进一步扩展了OpenCV的功能。

Glue Factory是CVG开发的一个库，用于训练和评估深度神经网络，专注于提取和匹配局部视觉特征。

Dioptra是一个开源的数据策展和管理平台，旨在支持计算机视觉、自然语言处理和大型语言模型。它帮助用户策划有价值的未标记数据，注册元数据，诊断模型失效模式，并与标注和再训练系统整合。

Remix-DiT是一种采用扩散变换器的模型，旨在通过多专家系统提高图像去噪的性能，适用于多种图像处理任务。

该项目由NVIDIA AI IOT开发，专注于优化YOLOv5的GPU性能，提升实时目标检测任务的速度和效率。

GeneralistYOLO是一个实时多任务视觉语言模型，能够一站式解决多种视觉任务。该模型在MS COCO数据集上表现出色，目标检测AP达到52.4%，实例分割AP达到43.0%。此外，该模型具有高效的实时性能，在640尺寸下FLOPs仅为122.2G。

艾伦人工智能研究所致力于推动人工智能领域的前沿研究，特别是在自然语言处理、计算机视觉和机器学习等领域。该机构通过开放资源和数据集，促进学术界与产业界的合作，旨在为社会带来积极的技术变革。

分享一份精选机器学习系统的入门资料集合，收集了一系列有关注意力机制、性能优化、量化、长上下文长度和稀疏性等方面的论文、视频和代码库。

FlashAttention是一个开源的推理加速工具，专为AI大模型设计，通过优化注意力机制的计算流程，显著提升推理速度，尤其适合需要实时响应的场景。其v2版本比v1快2倍，比标准注意力机制快5-9倍，在A100上达到225 TFLOPs/s的训练速度，并已在大多数LLM库中得到广泛应用。