Библиотеки и инструменты компьютерного зрения: лучшее в 2026

OpenCV — библиотека компьютерного зрения с открытым исходным кодом на C++, включающая алгоритмы обработки изображений и привязки для нескольких языков.

Open-source OCR-движок libtesseract и CLI для распознавания текста на изображениях: LSTM-распознавание и поддержка более 100 языков.

Учебная программа Microsoft по ИИ для начинающих: 12 недель и 24 урока о символическом ИИ, нейросетях, компьютерном зрении, NLP и этике, с ноутбуками на PyTorch и TensorFlow.

Ultralytics YOLO — библиотека Python для компьютерного зрения: обнаружение объектов, сегментация, классификация, оценка позы, трекинг и другие задачи.

Ultralytics YOLOv5 — библиотека компьютерного зрения на базе PyTorch для детекции объектов, сегментации экземпляров и классификации изображений, с обучением и экспортом моделей.

Набор переиспользуемых инструментов на Python для загрузки датасетов, запуска детекции, трекинга объектов и аннотирования кадров.

Бесплатное приложение с открытым исходным кодом для Windows, macOS и Linux, которое увеличивает разрешение и улучшает изображения с помощью моделей AI-апскейлинга.

Библиотека PyTorch с архитектурами моделей для обработки изображений, предобученными весами и скриптами обучения, валидации и экспорта для задач компьютерного зрения.

Инструмент для удаления фона с изображений: доступен как CLI, библиотека Python, HTTP-сервер или Docker-контейнер.

Автоматизация браузера с открытым исходным кодом: LLM и компьютерное зрение выполняют веб-сценарии на любых сайтах, дополняя Playwright командами на базе ИИ.

Инструмент на Python для восстановления лиц вслепую: улучшает размытые, низкокачественные и повреждённые лица на фото и видео с помощью трансформера с поиском по кодовой книге.

Приложение с открытым исходным кодом для фотопроцесса и неразрушающей обработки RAW-файлов, управления цифровыми негативами и их экспорта.

Библиотека для PyTorch с методами CAM, которые визуализируют области изображения, влияющие на предсказания модели компьютерного зрения.

Открытый Rust-набор инструментов для записи, визуализации, запросов и потоковой передачи мультимодальных данных робототехники и датчиков во времени.

Open-source toolkit для оптимизации и развертывания моделей deep learning для инференса на процессорах, GPU и NPU Intel.

Кроссплатформенное desktop-приложение для разметки текста, изображений, видео, облаков точек и мультимодальных данных с помощью ИИ, со встроенными моделями и экспортом в разные форматы.

Бесплатная система захвата движений без маркеров: записывает видео с нескольких камер и восстанавливает движения человека в 3D.

Исследовательский проект Apple, который менее чем за секунду превращает одну фотографию в 3D-сцену из гауссиан для рендеринга с близких новых ракурсов.

Java-обёртки и вспомогательные классы для OpenCV, FFmpeg и других библиотек компьютерного зрения и мультимедиа.

Кроссплатформенное настольное приложение для увеличения изображений с помощью моделей сверхвысокого разрешения: встроенных или пользовательских, на Windows, macOS и Linux.

Инструмент с открытым исходным кодом на Rust, который преобразует растровые изображения JPG и PNG в компактную векторную графику SVG; доступен как CLI, приложение для компьютера и библиотека.

Библиотека OCR с открытым исходным кодом для Python: обнаруживает и распознаёт текст в PDF и изображениях с помощью моделей глубокого обучения на PyTorch.

Преобразует статичные изображения диаграмм в редактируемые файлы DrawIO (XML) с помощью сегментации SAM 3, OCR и распознавания формул LaTeX.

Фреймворк на C++ с лицензией LGPL-3.0 для автоматизации и тестирования методом чёрного ящика на Windows, Linux, macOS и Android с помощью распознавания изображений.

Официальная реализация BiRefNet на PyTorch — модели для высокоточного разделения объектов и фона на изображениях, часто используемой для удаления фона.

CLI на Rust и инструмент на WASM, который выравнивает неаккуратный пиксель-арт от ИИ по ровной сетке с фиксированной палитрой.

Офлайн-инструмент на C++ для удаления видимых водяных знаков Gemini с изображений методом обратного альфа-смешивания; есть GUI, CLI и пакетная обработка.

Преобразует скриншоты интерфейсов и дизайн-макеты в редактируемый HTML/CSS с помощью модульного конвейера из нескольких агентов и разных моделей.

Фреймворк на C++ для анализа видео, который объединяет чтение потоков, инференс моделей, трекинг и вывод данных в настраиваемые узлы конвейера.

Приложение для macOS следит за осанкой через камеру или датчики движения AirPods и постепенно размывает экран, когда вы сутулитесь.

Кроссплатформенная библиотека на C++ для фильтрации изображений и видео через OpenGL/ES, с бьюти-фильтрами и эффектами на основе распознавания лиц.

Коллекция из 419 предварительно обученных AI-моделей для компьютерного зрения, обработки речи, NLP и LLM, запускаемых через общий Python CLI с помощью ailia SDK.

Фреймворк потокового видеосуперразрешения на основе диффузии, выполняющий апскейл за один шаг; построен на Python и моделях на базе Wan.

Веб-приложение для запуска DeepSeek-OCR на изображениях и PDF с фронтендом на React, бэкендом на FastAPI и настройкой Docker.

Периферийный ИИ-движок на C++, который превращает видеоаналитику и локальные VLM-модели в приложения для Sophon, Rockchip RKNN и x86.

Локальная self-hosted база знаний по видео: индексирует ролики, транскрибирует речь, анализирует кадры и позволяет искать сцены на естественном языке.

Микросервис в Docker и интерфейс Gradio для сегментации страниц PDF на заголовки, текст, таблицы, изображения и другие элементы, распознавания текста и преобразования в Markdown/HTML.

NEO — семейство нативных моделей для работы с изображениями и текстом, которые обрабатывают пиксели и слова в единой плотной архитектуре без энкодера, с кодом для обучения и оценки.

Превращает запасные Android-телефоны в сетевые камеры в локальной сети; на ПК доступны панель Flask с просмотром MJPEG, записью и анализом по сигналу от ИИ.

Самостоятельно размещаемый менеджер гардероба: фотографируйте одежду, поручите AI её категоризацию и получайте подборки образов с учётом погоды и повода.

Локальная мастерская для сжатия изображений и GIF с приоритетом конфиденциальности: веб-версия, Windows, macOS и Linux; сравнение, изменение размера, конвертация и переименование.

Унифицированная мультимодальная модель для задач компьютерного зрения: детекции, OCR, сегментации, оценки глубины и мультиракурсной геометрии с генерацией текста и изображений.

Зажмите клавишу, беззвучно произнесите слова на камеру — Lipflow распознает их и напечатает текст у курсора. Всё работает локально.

Локальное macOS-приложение с ИИ на устройстве, которое ищет фотографии и видеокадры в любой папке по описанию на обычном языке.

Видео-LLM, обученная на потоковых транскрипциях речи и создающая комментарии к видео в реальном времени; проект основан на статье LiveCC, представленной на CVPR 2025.

Open-source инструмент для удаления фона, который полностью работает в браузере через WebGPU или WebAssembly и не загружает изображения на сервер.

Самостоятельно размещаемый веб-инструментарий в Docker для конвертации более 70 форматов изображений, пакетного сжатия, обрезки отдельных файлов и локального удаления фона с помощью ИИ.

Веб-приложение на Streamlit, которое преобразует растровые изображения в редактируемые векторные SVG с помощью движка трассировки Vecto для .NET.

Бесплатное офлайн-приложение для компьютера, которое оценивает и объясняет яркие моменты в локальных видео по сценам, движению, аудио, объектам и расшифровке речи.

Утилита командной строки и библиотека Python, которые превращают изображение в стиле доски для рисования в MP4 с прорисовкой от руки, используя CPU и при необходимости синхронизацию с озвучкой.

Приложение для Windows и macOS, которое сортирует и группирует фотографии по лицам, датам и местам, полностью работая офлайн и уделяя особое внимание конфиденциальности.

Локально размещаемый веб-интерфейс для ImageMagick: удаление фона с помощью AI в один клик, пакетная обработка и редактор с предпросмотром; развёртывание через Docker.

Превращает любую фотографию в рисунок одной непрерывной линией на бумаге — пером, карандашом, тушью или краской — и снимает процесс рисования прямо в браузере.

Бесплатный редактор изображений для macOS с инструментами разметки скриншотов и нумерованными шагами, а также PaintKit — Swift-пакет для рисования и обработки изображений без UI.