Ncnn 相关的热门 GitHub AI项目仓库

ncnn是一个针对移动平台优化的，高性能神经网络推理框架。

视频、图片和GIF的超分辨率放大（超清重建）以及视频帧率插值。技术基于Waifu2x、Real-ESRGAN、Real-CUGAN、RTX Video Super Resolution VSR、SRMD、RealSR、Anime4K、RIFE、IFRNet、CAIN、DAIN和ACNet等算法。

这款超轻量级中文OCR系统，可以识别竖排文字，并支持ncnn、mnn、tnn等推理框架。它由DBNet(1.8M)、CRNN(2.5M)和AngleNet(378KB)三个模型组成，总模型大小仅4.7M。

将人工智能论文转化为图形用户界面，让每个人都能轻松便捷地使用尖端人工智能技术。

YOLOX是一个高性能的无锚点YOLO目标检测器，性能超越了yolov3到yolov5。它支持MegEngine、ONNX、TensorRT、ncnn和OpenVINO等多种推理引擎。文档地址：https://yolox.readthedocs.io/

仅需1MB大小的轻量级人脸检测模型

NanoDet-Plus是一个超快速、轻量级的无锚点目标检测模型。其大小仅为980KB（int8）/1.8MB（fp16），在手机上运行速度可达97FPS。

腾讯优图实验室和光影实验室联合研发的TNN是一个统一的深度学习推理框架，支持移动端、桌面端和服务器端。TNN 的突出特点包括跨平台能力、高性能、模型压缩和代码剪枝。它基于ncnn和Rapidnet，进一步增强了对移动设备的支持和性能优化，并借鉴了现有开源项目的优势，具有良好的扩展性和高性能。TNN已部署在腾讯多个应用中，例如手机QQ、微视、皮图等。欢迎大家贡献力量，与我们一起合作，共同打造更优秀的TNN框架。

一个轻量级的C++工具包，包含100多个强大的AI模型，支持ONNX运行时(ORT)、MNN、NCNN、TNN和TensorRT。

秋招、春招、实习项目好机会！带你从零开始构建一个高性能的深度学习推理库，支持Llama 2、U-Net、YOLOv5、ResNet等大型模型的推理。

开放式MMLab模型部署框架

基于C++14的深度学习API与服务器端支持，涵盖PyTorch、TensorRT、Dlib、NCNN、TensorFlow、XGBoost和t-SNE。

YOLOv5-Lite是YOLOv5的精简版，模型大小仅为900+KB（int8）和1.7MB（fp16）。在树莓派4B上可达到15 FPS的运行速度。

这是Real-ESRGAN的NCNN实现。Real-ESRGAN的目标是开发用于通用图像恢复的实用算法。

Flowframes 是一款 Windows 图形界面程序，用于基于 DAIN (NCNN) 或 RIFE (CUDA/NCNN) 进行视频插帧。

MobileNetV2-YoloV3-Nano模型：浮点运算量0.5BFlops，模型大小3MB，在华为P40手机上每张图片处理时间为6毫秒。YoloFace-500k模型：浮点运算量0.1BFlops，模型大小420KB，速度非常快！

人工智能超分辨率图像放大工具

添加了BiSeNetV2。这是我实现的BiSeNet模型。

无需网络连接，使用新一代Kaldi和ncnn实现实时语音识别和语音活动检测（VAD）。支持iOS、Android、Linux、macOS、Windows、树莓派、VisionFive2、LicheePi4A等多种平台。

基于NCNN的C++实现的稳定扩散模型，支持txt2img和img2img功能。