Inicio Proyectos Pytorch-SiamFC
Pytorch-SiamFC
Python

Pytorch-SiamFC

Implementación en Pytorch de "Redes Siamés Totalmente Convolucionales para Seguimiento de Objetos"

por rafellerc · GitHub
Estrellas
Ramas
Creado
Último commit
Categoría
Lenguaje
computer-visiondeep-learningpytorchPython
Ver en GitHub
En palabras simples

Rastrea objetos en videos utilizando un modelo entrenado con Pytorch-SiamFC.

¿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 →
Pytorch-SiamFC — GitHub preview card
📈 Historial de estrellas
638637
2026-07-202026-08-31
📈 Sigue Pytorch-SiamFC

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

Implementación en Pytorch de "Redes Siamés Totalmente Convolucionales para Seguimiento de Objetos"

Pytorch-SiamFC tiene 637 estrellas en GitHub. Se ha bifurcado 142 veces. Pytorch-SiamFC está escrito principalmente en Python. Se desarrolla activamente desde 2018. Sus temas principales son: computer-vision, deep-learning, pytorch, siamese-network.

Frequently asked questions

¿Qué es Pytorch-SiamFC?

Implementación en Pytorch de "Redes Siamés Totalmente Convolucionales para Seguimiento de Objetos"

¿Pytorch-SiamFC es de código abierto?

Pytorch-SiamFC es un proyecto de código abierto.

¿Pytorch-SiamFC es gratis?

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

¿En qué lenguaje está escrito Pytorch-SiamFC?

Pytorch-SiamFC está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — Pytorch-SiamFC

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=rafellerc-pytorch-siamfc)](https://olud.ai/project/rafellerc-pytorch-siamfc.html)
Más opciones de distintivos →
🧬 Comparte ADN con

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