Startseite Projekte Pytorch-SiamFC
Pytorch-SiamFC
Python

Pytorch-SiamFC

Pytorch-Implementierung von "Vollkonvolutionalen Siamese-Netzwerken für die Objektverfolgung"

von rafellerc · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Sprache
computer-visiondeep-learningpytorchPython
Auf GitHub ansehen
In einfachen Worten

Verfolgen Sie Objekte in Videos mithilfe eines trainierten Modells mit Pytorch-SiamFC.

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 →
Pytorch-SiamFC — GitHub preview card
📈 Sternhistorie
638637
2026-07-202026-08-31
📈 Pytorch-SiamFC verfolgen

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

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

Pytorch-Implementierung von "Vollkonvolutionalen Siamese-Netzwerken für die Objektverfolgung"

Pytorch-SiamFC hat 637 Sterne auf GitHub. Es wurde 142-mal geforkt. Pytorch-SiamFC ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. Die Hauptthemen sind: computer-vision, deep-learning, pytorch, siamese-network.

Frequently asked questions

Was ist Pytorch-SiamFC?

Pytorch-Implementierung von "Vollkonvolutionalen Siamese-Netzwerken für die Objektverfolgung"

Ist Pytorch-SiamFC Open Source?

Pytorch-SiamFC ist ein Open-Source-Projekt.

Ist Pytorch-SiamFC kostenlos?

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

In welcher Sprache ist Pytorch-SiamFC geschrieben?

Pytorch-SiamFC ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — Pytorch-SiamFC

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

[![olud.ai](https://olud.ai/badge.php?tool=rafellerc-pytorch-siamfc)](https://olud.ai/project/rafellerc-pytorch-siamfc.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit

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