#image-segmentation Dépôts
Découvrez 87 dépôts GitHub open source actifs associés à #image-segmentation, cumulant 367,559 étoiles au total (soit une moyenne de 4,224 étoiles par projet). Le projet en tête de ce thème est facebookresearch/segment-anything, avec 53,052 étoiles.
87 dépôts au total
Le dépôt fournit le code pour exécuter l'inférence avec le modèle SegmentAnything (SAM), des liens pour télécharger les points de contrôle du modèle entraîné et des notebooks d'exemple qui montrent comment utiliser le modèle.
Detectron2 est une plateforme pour la détection d'objets, la segmentation et d'autres tâches de reconnaissance visuelle.
cvpr2024/cvpr2023/cvpr2022/cvpr2021/cvpr2020/cvpr2019/cvpr2018/cvpr2017 Articles/Code/Interprétations/Collection de Diffusions en Direct, Organisé par l'Équipe Jimu
Le dépôt fournit le code pour exécuter l'inférence et le réglage fin avec le Meta Segment Anything Model 3 (SAM 3), des liens pour télécharger les points de contrôle du modèle entraîné, et des cahiers d'exemples qui montrent comment utiliser le modèle.
Modèles de segmentation sémantique avec plus de 500 backbones convolutifs et basés sur des transformers pré-entraînés.
Une collection de tutoriels sur les modèles et techniques de vision par ordinateur à la pointe de la technologie. Explorez tout, des architectures fondamentales comme ResNet aux modèles de pointe comme RF-DETR, YOLO11, SAM 3 et Qwen3-VL.
Le code de notre nouvel article accepté dans Pattern Recognition 2020 : "U^2-Net: Going Deeper with Nested U-Structure for Salient Object Detection."
Bibliothèque de segmentation d'images facile à utiliser avec un zoo de modèles pré-entraînés impressionnant, supportant une large gamme de tâches pratiques en Semantic Segmentation, Interactive Segmentation, Panoptic Segmentation, Image Matting, 3D Segmentation, etc.
Supprimez facilement les arrière-plans des images directement dans l'environnement du navigateur, sans frais supplémentaires ni problèmes de confidentialité. Explorez une démo interactive.
Modèles de segmentation avec des backbones pré-entraînés. Keras et TensorFlow Keras.
[NeurIPS 2023] Implémentation officielle du papier "Segment Everything Everywhere All at Once"
Un plugin OBS pour supprimer l'arrière-plan des images portrait (vidéo), ce qui permet de remplacer facilement l'arrière-plan lors de l'enregistrement ou du streaming.
[CAAI AIR'24] Référence Bilatérale pour la Segmentation d'Images Dicotomiques à Haute Résolution
📈 La plus grande base de données et collection d'articles sur la détection des défauts industriels à l'heure actuelle. Résumé constant des ensembles de données open source et des articles critiques dans le domaine de la recherche sur les défauts de surface, qui revêtent une grande importance.
Un framework multiplateforme de structuration vidéo (analyse vidéo) basé sur des modèles CV et mLLM.
[ECCV 2024] Implémentation officielle du papier "Semantic-SAM: Segment and Recognize Anything at Any Granularity"
Ensemble de données DeepFashion2 https://arxiv.org/pdf/1901.07973.pdf
EfficientSAM : Masked Image Pretraining exploité pour Segment Anything efficace
:pencil2: Outil de segmentation d'images basé sur le web pour la détection d'objets, la localisation et les points clés
Collection d'articles et de projets open-source ECCV 2024, et tous les grands experts sont les bienvenus pour soumettre des issues, partager des articles et des projets open-source ECCV 2024.
Réseau Neuronal Convolutif (CNN) Pytorch 3D U-Net conçu pour la segmentation d'images médicales
Il s'agit du code source de yolo3-pytorch, qui peut être utilisé pour entraîner votre propre modèle.
Cette ressource soutient la rédaction d'articles de l'auteur sur CSDN concernant le traitement d'images Python, principalement l'implémentation de code pour des algorithmes tels que le traitement d'images, la reconnaissance d'images, la classification d'images, etc. en Python. J'espère que cette ressource vous sera utile, travaillons ensemble pour y parvenir.
Collaborez et étiquetez tout type de données, d'images, de textes ou de documents, dans une interface Web simple ou une application de bureau.
[CVPR 2023] OneFormer : Un Transformeur pour régner sur la segmentation universelle d'images
Ceci est le code source de unet-pytorch, vous pouvez entraîner vos propres modèles
Personnalisez le modèle Segment Anything (SAM) avec 1 prise de vue en 10 secondes
Code officiel pour "FeatUp : Un cadre agnostique au modèle pour les caractéristiques à n'importe quelle résolution" ICLR 2024
Adapter Segment Anything de Meta AI aux tâches en aval avec des adaptateurs et des invites
Collectez quelques papiers sur les transformeurs pour la détection et la segmentation. Awesome Detection Transformer pour la vision par ordinateur (CV)
Créez, entraînez, optimisez et exécutez des modèles de vision par ordinateur en local, des images brutes à l’inférence en temps réel. Open source, optimisé pour Intel® XPU (CUDA est également pris en charge).
Utilisation de modèles de diffusion pour segmenter/reconstruire des organes à partir d'images médicales [Article le plus influent de l'AAAI]
Ce dépôt contient le code du article CVPR 2022 "Image Segmentation Using Text and Image Prompts".
Une liste curatée d'excellents liens et de bibliothèques logicielles utiles pour les robots.
Foire aux questions
Quel est le dépôt #image-segmentation le plus populaire sur GitHub ?
Le projet #image-segmentation open source le mieux classé sur GitHub est facebookresearch/segment-anything, avec 53,052 étoiles. Le dépôt fournit le code pour exécuter l'inférence avec le modèle SegmentAnything (SAM), des liens pour télécharger les points de contrôle du modèle entraîné et des notebooks d'exemple qui montrent comment utiliser le modèle.
Quels langages de programmation sont les plus utilisés dans les dépôts #image-segmentation ?
Parmi les projets #image-segmentation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, C++, TypeScript.
Comment le classement des dépôts #image-segmentation est-il calculé ?
Nous suivons 87 dépôts open source actifs associés à #image-segmentation (500+ étoiles), totalisant 367,559 étoiles, avec une moyenne de 4,224 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.