物体检测的任务是指找出图像或视频中的感兴趣物体，同时检测出它们的位置和大小，是机器视觉领域的核心问题之一。本文汇总了目前应用于物体检测的主流深度学习工具/框架。

- TensorFlow Object Detection API

https://github.com/tensorflow/models/tree/master/research/object\_detection

- OpenMMLab(mmdetection)

   https://github.com/open-mmlab

- YOLOs

   Darknet:https://github.com/pjreddie/darknet

   Ultralytics:https://github.com/ultralytics

    最新的YOLOv7：

paper - YOLOv7: Trainable bag-of-freebies sets     new state-of-the-art for real-time object detectors: https://arxiv.org/abs/2207.02696

• source code - Pytorch: https://github.com/WongKinYiu/yolov7

- Detectron2

Detectron2框架提供最先进的检测和分割算法，包括panoptic segmentation, Densepose, Cascade R-CNN, rotated bounding boxes, PointRend, DeepLab, ViTDet, MViTv2等。

链接：https://github.com/facebookresearch/detectron2

- SimpleDet

  https://github.com/TuSimple/simpledet

- KerasCV

KerasCV是一个模块化组件库，用于图像分类、物体检测、图像分割、图像数据增强等常见用例，支持快速组装生产级的、最先进的训练和推理管道。

https://github.com/keras-team/keras-cv

- GluonCV

同时支持PyTorch和MXNet，包含大量计算机视觉预训练模型。

https://github.com/dmlc/gluon-cv

- OpenCV

Open Source Computer Vision Library

https://github.com/opencv/opencv

- Kornia

Kornia由一个软件包子集组成，其中包含可插入神经网络内的运算符，以训练模型执行图像变换、外延几何、深度估计和低层次的图像处理

https://github.com/kornia/kornia