opencv-dnn 开源项目推荐（103 个）

chineseocr /chineseocr

yolo3+ocr

anilsathyan7 /Portrait-Segmentation

面向移动设备的实时人像分割

hpc203 /yolov5-dnn-cpp-python

用opencv的dnn模块做yolov5目标检测，包含C++和Python两个版本的程序

hpc203 /YOLOP-opencv-dnn

使用OpenCV部署全景驾驶感知网络YOLOP，可同时处理交通目标检测、可驾驶区域分割、车道线检测，三项视觉感知任务，包含C++和Python两种版本的程序实现。本套程序只依赖opencv库就可以运行， 从而彻底摆脱对任何深度学习框架的依赖。

hpc203 /yolov8-face-landmarks-opencv-dnn

使用OpenCV部署yolov8检测人脸和关键点以及人脸质量评价，包含C++和Python两个版本的程序，只依赖opencv库就可以运行，彻底摆脱对任何深度学习框架的依赖。

hpc203 /virtual_try_on_use_deep_learning

使用深度学习算法实现虚拟试衣镜，结合了人体姿态估计、人体分割、几何匹配和GAN，四种模型。仅仅只依赖opencv库就能运行

hpc203 /yolov5-v6.1-opencv-onnxrun

分别使用OpenCV、ONNXRuntime部署yolov5-v6.1目标检测，包含C++和Python两个版本的程序。支持yolov5s，yolov5m，yolov5l，yolov5n，yolov5x，yolov5s6，yolov5m6，yolov5l6，yolov5n6，yolov5x6的十种结构的yolov5-v6.1

hpc203 /bytetrack-opencv-onnxruntime

分别使用OpenCV、ONNXRuntime部署YOLOX+ByteTrack目标跟踪，包含C++和Python两个版本的程序

hpc203 /yolov34-cpp-opencv-dnn

基于opencv的4种YOLO目标检测，C++和Python两个版本的实现，仅仅只依赖opencv库就可以运行

hpc203 /yolov7-opencv-onnxrun-cpp-py

分别使用OpenCV、ONNXRuntime部署YOLOV7目标检测，一共包含14个onnx模型，依然是包含C++和Python两个版本的程序

hpc203 /yolox-opencv-dnn

使用OpenCV部署YOLOX，支持YOLOX-S、YOLOX-M、YOLOX-L、YOLOX-X、YOLOX-Darknet53五种结构，包含C++和Python两种版本的程序

hpc203 /nanodet-plus-opencv

分别使用OpenCV、ONNXRuntime部署NanoDet-Plus，包含C++和Python两个版本的程序

hpc203 /yolov5-dnn-cpp-python-v2

用opencv的dnn模块做yolov5目标检测，包含C++和Python两个版本的程序，优化后的

hpc203 /nanodet-opncv-dnn-cpp-python

用opencv部署nanodet目标检测，包含C++和Python两种版本程序的实现

hpc203 /Chinese-CLIP-opencv-onnxrun

使用OpenCV+onnxruntime部署中文clip做以文搜图，给出一句话来描述想要的图片，就能从图库中搜出来符合要求的图片。包含C++和Python两个版本的程序

hpc203 /yolov5_pose_opencv

使用OpenCV部署yolov5-pose目标检测+人体姿态估计，包含C++和Python两个版本的程序。支持yolov5s，yolov5m，yolov5l

hpc203 /yolact-opencv-dnn-cpp-python

使用opencv部署yolact实例分割，包含C++和Python两种版本的程序

Mazhichaoruya /Object-Detection-and-location-RealsenseD435

使用Intel D435实感相机，基于Opencv DNN框架下的Yolov3框架实现目标检测，并根据深度信息实现Objection的三维定位。相机坐标系中的坐标实时显示。ADD——使用 Yolov5 通过 TensorRT 模型，AGX-Xavier，实时物体检测

hpc203 /yolopv2-opencv-onnxrun-cpp-py

分别使用OpenCV、ONNXRuntime部署YOLOPV2目标检测+可驾驶区域分割+车道线分割，一共包含54个onnx模型，依然是包含C++和Python两个版本的程序。仅仅只依赖OpenCV就能运行，彻底摆脱对任何深度学习框架的依赖。

hpc203 /yolov5-detect-car_plate_corner

分别使用OpenCV、ONNXRuntime部署yolov5检测车牌和4个角点，包含C++和Python两个版本的程序