#semantic-segmentation Repositorios
Descubre 110 repositorios activos de código abierto de GitHub etiquetados con #semantic-segmentation, que acumulan 387,910 estrellas en total (una media de 3,526 estrellas por proyecto). El líder de este tema es ultralytics/ultralytics, con 63,640 estrellas.
110 repositorios en total
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmentación semántica, clasificación de imágenes, estimación de pose y seguimiento de objetos
Label Studio es una herramienta de etiquetado y anotación de datos de múltiples tipos con formato de salida estandarizado
CVAT es una plataforma líder de anotación de datos para conjuntos de datos de imágenes, vídeo, audio y 3D. Ofrece productos de código abierto, en la nube y empresariales, además de servicios de etiquetado, con etiquetado asistido por IA, garantía de calidad, colaboración en equipo, análisis y API para desarrolladores.
Anotación de imágenes con Python. Soporta polígono, rectángulo, círculo, línea, punto y anotación asistida por IA.
Esta es una implementación oficial para "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".
Código y modelos de PyTorch para el método de aprendizaje autosupervisado DINOv2.
Modelos de segmentación semántica con más de 500 backbones convolucionales y basados en transformadores preentrenados.
Implementación de U-Net en PyTorch para segmentación semántica de imágenes con imágenes de alta calidad
[CVPR 2024 Oral] InternVL Family: Una alternativa pionera de código abierto a GPT-4o. Un modelo de diálogo multimodal de código abierto con un rendimiento cercano a GPT-4o.
Biblioteca de segmentación de imágenes fácil de usar con un impresionante zoológico de modelos preentrenados, que soporta una amplia gama de tareas prácticas en Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.
Herramientas para Diseñar o Visualizar la Arquitectura de Redes Neuronales
Implementación en PyTorch para Segmentación Semántica/Análisis de Escenas en el dataset MIT ADE20K
Una lista curada de herramientas geniales para etiquetado de datos
Anotar sus propios conjuntos de datos, entrenar, evaluar, probar e implementar sus propios algoritmos de inteligencia artificial
[ICML 2024] Vision Mamba: Aprendizaje eficiente de representaciones visuales con modelos de espacio de estados bidireccionales
pySLAM es una tubería híbrida Python/C++ de SLAM Visual que admite cámaras monoculares, estéreo y RGB-D. Proporciona un amplio conjunto de modernos extractores de características locales y globales, múltiples estrategias de cierre de bucle, un módulo de reconstrucción volumétrica, modelos integrados de predicción de profundidad y capacidades de segmentación semántica para una comprensión mejorada de la escena.
Implementación de Segnet, FCN, UNet, PSPNet y otros modelos en Keras.
Colección de artículos y proyectos de código abierto de ICCV 2025
Minkowski Engine es una biblioteca de redes neuronales con diferenciación automática para tensores dispersos de alta dimensión
Resumen de artículos relacionados sobre atención visual. El código relacionado se publicará gradualmente en Jittor.
[CVPR 2023 Highlight] InternImage: Exploración de modelos de base visuales a gran escala con convoluciones deformables
[CVPR 2025] Implementación oficial de PyTorch de MambaVision: Un backbone híbrido Mamba-Transformer para visión
Una biblioteca y framework de código abierto para el aprendizaje profundo en imágenes satelitales y aéreas.
Qwen-Image-Layered: Descomposición en Capas para la Editabilidad Inherente
Huellas de edificios generadas por computadora para los Estados Unidos
Colabora y etiqueta cualquier tipo de datos, imágenes, texto o documentos, en una interfaz web fácil o una aplicación de escritorio.
[Presentación oral en CVPR'24] Repositorio oficial de Point Transformer V3 (PTv3). También ofrece un paquete de PyTorch + Triton instalable mediante pip, con los codificadores preentrenados Sonata, Concerto y Utonia.
Huellas de edificios mundiales derivadas de imágenes satelitales
Herramienta de etiquetado web para imágenes de mapa de bits y nubes de puntos
Core ML model zoo para iOS/macOS: modelos de PyTorch convertidos a .mlpackage listos para usar, cada uno con un script de conversión y una aplicación de ejemplo en SwiftUI. Los repositorios relacionados cubren el framework Core AI de Apple (iOS/macOS 27) y LLM en el dispositivo.
:art: Modelos, conjuntos de datos y pérdidas de segmentación semántica implementados en PyTorch.
Entrenamiento todo en uno para modelos de visión (YOLO, ViTs, RT-DETR, DINOv3): preentrenamiento, ajuste fino, destilación.
Plataforma de anotación de datos multimodales de código abierto con soporte para auto-anotación con IA.
[CVPR 2023] OneFormer: Un Transformer para gobernar la segmentación universal de imágenes
Este es el código fuente de unet-pytorch, puedes entrenar tus propios modelos
Preguntas frecuentes
¿Cuál es el repositorio de #semantic-segmentation más popular en GitHub?
El proyecto de código abierto de #semantic-segmentation mejor posicionado en GitHub es ultralytics/ultralytics, con 63,640 estrellas. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — detección de objetos, segmentación de instancias, segmentación semántica, clasificación de imágenes, estimación de pose y seguimiento de objetos
¿Qué lenguajes de programación se utilizan más en los repositorios de #semantic-segmentation?
Entre los proyectos de #semantic-segmentation mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, JavaScript, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #semantic-segmentation?
Seguimos 110 repositorios activos de código abierto etiquetados con #semantic-segmentation (500+ estrellas), que suman un total de 387,910 estrellas, con una media de 3,526 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.