Inicio Proyectos YoloDotNet
YoloDotNet
C#

YoloDotNet

YoloDotNet - Un proyecto C# .NET 8.0 para Clasificación, Detección de Objetos, Detección de OBB, Segmentación y Estimación de Pose tanto en imágenes como en transmisiones de video en vivo.

por NickSwardh · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
computer-visiondetectionimage-classificationMITC#
Ver en GitHub
En palabras simples

Detecta y clasifica objetos en imágenes y transmisiones de video en vivo utilizando una biblioteca de C#.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
YoloDotNet — GitHub preview card
📈 Historial de estrellas
797796
2026-07-202026-08-31
📈 Sigue YoloDotNet

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

YoloDotNet - Un proyecto C# .NET 8.0 para Clasificación, Detección de Objetos, Detección de OBB, Segmentación y Estimación de Pose tanto en imágenes como en transmisiones de video en vivo.

YoloDotNet tiene 796 estrellas en GitHub. Se ha bifurcado 144 veces. YoloDotNet está escrito principalmente en C#. Se desarrolla activamente desde 2023. YoloDotNet está disponible bajo la licencia MIT. Sus temas principales son: computer-vision, detection, image-classification, obb.

Frequently asked questions

¿Qué es YoloDotNet?

YoloDotNet - Un proyecto C# .NET 8.0 para Clasificación, Detección de Objetos, Detección de OBB, Segmentación y Estimación de Pose tanto en imágenes como en transmisiones de video en vivo.

¿YoloDotNet es de código abierto?

YoloDotNet es un proyecto de código abierto. Se distribuye bajo la licencia MIT.

¿YoloDotNet es gratis?

Sí. YoloDotNet es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está YoloDotNet?

YoloDotNet está disponible bajo la licencia MIT.

¿En qué lenguaje está escrito YoloDotNet?

YoloDotNet está escrito principalmente en C#.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — YoloDotNet

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=nickswardh-yolodotnet)](https://olud.ai/project/nickswardh-yolodotnet.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
KittiBox
Un modelo de detección de automóviles implementado en Tensorflow.
396 · autonomous-driving
compartedetection
awesome-object-detection
Detección de objetos impresionante basada en handong1587 github: https://handong1587.github.io/…
7.5k · computer-vision
compartedetection
transformer-in-transformer
Implementation of Transformer in Transformer, pixel level attention paired with patch level att…
306 · artificial-intelligence
comparteimage-classification
computer-vision
Tareas de Programación y Conferencias para CS 231 de Stanford: Redes Neuronales Convolucionales…
508 · computer-vision
comparteimage-classification
tfjs-yolo-tiny
Detección de objetos en el navegador usando Tiny YOLO en Tensorflow.js
533 · browser
compartedetection
AlphaTree-graphic-deep-neural-network
Hoja de ruta de IA: 机器学习(Machine Learning)、深度学习(Deep Learning)、对抗神经网络(GAN),图神经网络(GNN),NLP,大数据相关…
3k · deep-learning
comparteimage-classification
bottleneck-transformer-pytorch
Implementación de Bottleneck Transformer en Pytorch
678 · artificial-intelligence
comparteimage-classification
vit-pytorch
Implementación de Vision Transformer, una forma simple de lograr SOTA en clasificación de visió…
25.4k · artificial-intelligence
comparteimage-classification
Tianchi-2019-Guangdong-Intelligent-identification-of-cloth-defects-rank5
Detección de defectos en telas del concurso de innovación en fabricación inteligente de Guangdo…
416 · computer-vision
compartedetection
catalyst
Investigación y desarrollo acelerados en aprendizaje profundo
3.4k · computer-vision
comparteimage-classification

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.