Startseite Projekte SSD
SSD

SSD

von lufficc · GitHub

Hochwertige, schnelle, modulare Referenzimplementierung von SSD in PyTorch.

Auf GitHub ansehen
In einfachen Worten

Bauen und testen Sie Objekterkennungsmodelle mit einer modularen Implementierung des SSD-Algorithmus in PyTorch.

⭐ Sterne
🍴 Forks
📜 Lizenz
Kommerzielle Nutzung erlaubt
📅 Erstellt
🔄 Letzter Commit
🏷️ Kategorie
💻 Sprache
Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
SSD — GitHub preview card
📈 Sternhistorie
1 5861 585
2026-07-202026-07-29
📈 SSD verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Hochwertige, schnelle, modulare Referenzimplementierung von SSD in PyTorch.

SSD hat 1.6k Sterne auf GitHub. Es wurde 384-mal geforkt. SSD ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. SSD ist unter der MIT-Lizenz verfügbar. Die Hauptthemen sind: computer-vision, deep-learning, object-detection, pytorch.

Frequently asked questions

Was ist SSD?

Hochwertige, schnelle, modulare Referenzimplementierung von SSD in PyTorch.

Ist SSD Open Source?

SSD ist ein Open-Source-Projekt. Es wird unter der MIT-Lizenz veröffentlicht.

Ist SSD kostenlos?

Ja. SSD ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht SSD?

SSD ist unter der MIT-Lizenz verfügbar.

In welcher Sprache ist SSD geschrieben?

SSD ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
OpenSourceAI badge — SSD

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=lufficc-ssd)](https://opensourceai.tech/project/lufficc-ssd.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.