#semantic-segmentation Repositories
Entdecke 110 aktive Open-Source-GitHub-Repositories, die mit #semantic-segmentation getaggt sind und insgesamt 387,910 Sterne gesammelt haben (durchschnittlich 3,526 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist ultralytics/ultralytics mit 63,640 Sternen.
Insgesamt 110 Repositories
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Posenschätzung und Objektverfolgung
Label Studio ist ein Tool zur Beschriftung und Annotation von Daten mehrerer Typen mit standardisiertem Ausgabeformat
CVAT ist eine führende Datenannotationsplattform für Bild-, Video-, Audio- und 3D-Datensätze. Sie bietet Open-Source-, Cloud- und Enterprise-Produkte sowie Labeling-Dienste mit KI-gestützter Annotation, Qualitätssicherung, Teamzusammenarbeit, Analysen und APIs für Entwickler.
Bildannotation mit Python. Unterstützt Polygone, Rechtecke, Kreise, Linien, Punkte und KI-unterstützte Annotation.
Dies ist eine offizielle Implementierung für "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".
PyTorch-Code und Modelle für die DINOv2-Methode des selbstüberwachten Lernens.
Semantische Segmentierungs-Modelle mit mehr als 500 vortrainierten konvolutionellen und Transformer-basierten Backbones.
PyTorch-Implementierung des U-Net für die semantische Segmentierung von Bildern mit hochwertigen Bildern
[CVPR 2024 Oral] InternVL Family: Eine bahnbrechende Open-Source-Alternative zu GPT-4o. Ein Open-Source-multimodales Dialogmodell, das die Leistung von GPT-4o erreicht.
Einfach zu bedienende Bildsegmentierungs-Bibliothek mit toller Sammlung vortrainierter Modelle, die eine breite Palette praktischer Aufgaben in Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation usw. unterstützt.
Tools zur Gestaltung oder Visualisierung der Architektur von Neuralen Netzwerken
PyTorch-Implementierung für Semantic Segmentation/Scene Parsing auf dem MIT ADE20K-Datensatz
Eigene Datensätze annotieren, eigene Algorithmen für künstliche Intelligenz trainieren, bewerten, testen und bereitstellen
[ICML 2024] Vision Mamba: Effizientes Lernen visueller Repräsentationen mit bidirektionalen Zustandsraummodellen
pySLAM ist eine hybride Python/C++ Visual SLAM-Pipeline, die Monokular-, Stereo- und RGB-D-Kameras unterstützt. Es bietet eine breite Palette moderner lokaler und globaler Feature-Extraktoren, mehrere Loop-Closure-Strategien, ein volumetrisches Rekonstruktionsmodul, integrierte Tiefenvorhersagemodelle und semantische Segmentierungsfunktionen für ein verbessertes Szenenverständnis.
Implementierung von Segnet, FCN, UNet, PSPNet und anderen Modellen in Keras.
Minkowski Engine ist eine Auto-Diff-Neural-Network-Bibliothek für hochdimensionale sparse Tensoren
Zusammenfassung verwandter Arbeiten zur visuellen Aufmerksamkeit. Verwandter Code wird schrittweise auf Jittor veröffentlicht.
[CVPR 2023 Highlight] InternImage: Erforschung großer visueller Fundamentmodelle mit deformierbaren Faltungen
3D U-Net-Modell für volumetrische semantische Segmentierung in PyTorch geschrieben
[CVPR 2025] Offizielle PyTorch-Implementierung von MambaVision: Ein hybrides Mamba-Transformer-Vision-Backbone
Eine Open-Source-Bibliothek und ein Framework für Deep Learning auf Satelliten- und Luftbildern.
Arbeiten Sie zusammen und beschriften Sie jede Art von Daten, Bildern, Texten oder Dokumenten, in einer einfachen Weboberfläche oder Desktop-Anwendung.
[Vortrag auf der CVPR'24] Offizielles Repository von Point Transformer V3 (PTv3). Außerdem ein per pip installierbares PyTorch- und Triton-Paket mit den vortrainierten Encodern Sonata, Concerto und Utonia.
Weltweite Gebäudeumrisse, die aus Satellitenbildern abgeleitet wurden
Web-Labeling-Tool für Bitmap-Bilder und Punktwolken
Core ML Model Zoo für iOS/macOS — PyTorch-Modelle, konvertiert in einsatzbereite .mlpackage-Dateien, jeweils mit Konvertierungsskript und SwiftUI-Beispiel-App. Zugehörige Repositories decken Apples Core AI-Framework (iOS/macOS 27) und On-Device-LLMs ab.
:art: Semantische Segmentierungs-Modelle, Datensätze und Verluste, implementiert in PyTorch.
All-in-One-Training für Visionsmodelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Feinabstimmung, Destillation.
Open-Source-Plattform für die Annotation multimodaler Daten mit KI-Auto-Annotation-Unterstützung.
[CVPR 2023] OneFormer: Ein Transformer zur Beherrschung der universellen Bildsegmentierung
Dies ist Quellcode für unet-pytorch, mit dem Sie Ihre eigenen Modelle trainieren können
Häufig gestellte Fragen
Welches ist das beliebteste #semantic-segmentation-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#semantic-segmentation-Projekt auf GitHub ist ultralytics/ultralytics mit 63,640 Sternen. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — Objekterkennung, Instanzsegmentierung, semantische Segmentierung, Bildklassifizierung, Posenschätzung und Objektverfolgung
Welche Programmiersprachen werden in #semantic-segmentation-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #semantic-segmentation-Projekten auf GitHub sind Python, Jupyter Notebook, JavaScript, TypeScript die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #semantic-segmentation-Repositories berechnet?
Wir verfolgen 110 aktive Open-Source-Repositories, die mit #semantic-segmentation getaggt sind (500+ Sterne), mit insgesamt 387,910 Sternen und durchschnittlich 3,526 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.