yolov7_d2
🔥🔥🔥🔥 (YOLOv7 précédent non officiel) YOLO avec Transformers et Segmentation d'Instance, avec accélération TensorRT ! 🔥🔥🔥
Entraînez et testez des modèles avancés de détection d'objets avec une configuration conviviale.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout moment🔥🔥🔥🔥 (YOLOv7 précédent non officiel) YOLO avec Transformers et Segmentation d'Instance, avec accélération TensorRT ! 🔥🔥🔥
yolov7_d2 compte 3.1k étoiles sur GitHub. Il a été forké 470 fois. yolov7_d2 est écrit principalement en Python. Il est développé activement depuis 2021. yolov7_d2 est disponible sous licence GPL-3.0. Ses principaux thèmes sont : detection, detextron2, detr, face.
Qu'est-ce que yolov7_d2 ?
🔥🔥🔥🔥 (YOLOv7 précédent non officiel) YOLO avec Transformers et Segmentation d'Instance, avec accélération TensorRT ! 🔥🔥🔥
yolov7_d2 est-il open source ?
yolov7_d2 est un projet open source. Il est distribué sous licence GPL-3.0.
yolov7_d2 est-il gratuit ?
Oui. yolov7_d2 est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même. Sa licence GPL-3.0 est copyleft : toute version modifiée que vous distribuez doit rester sous la même licence.
Sous quelle licence est yolov7_d2 ?
yolov7_d2 est disponible sous licence GPL-3.0.
Dans quel langage yolov7_d2 est-il écrit ?
yolov7_d2 est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/lucasjinreal-yolov7-d2.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.