#semantic-segmentation Dépôts
Découvrez 110 dépôts GitHub open source actifs associés à #semantic-segmentation, cumulant 387,910 étoiles au total (soit une moyenne de 3,526 étoiles par projet). Le projet en tête de ce thème est ultralytics/ultralytics, avec 63,640 étoiles.
110 dépôts au total
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — détection d’objets, segmentation d’instances, segmentation sémantique, classification d’images, estimation de pose et suivi d’objets
Label Studio est un outil d'étiquetage et d'annotation de données multi-types avec un format de sortie standardisé
CVAT est une plateforme de premier plan pour l’annotation de données d’images, de vidéos, d’audio et de jeux de données 3D. Elle propose des produits open source, cloud et d’entreprise, ainsi que des services d’annotation, avec annotation assistée par IA, assurance qualité, collaboration en équipe, analyses et API pour développeurs.
Annotation d'images avec Python. Prend en charge les polygones, rectangles, cercles, lignes, points et l'annotation assistée par IA.
Ceci est une implémentation officielle pour "Swin Transformer: Hierarchical Vision Transformer using Shifted Windows".
Code et modèles PyTorch pour la méthode d'apprentissage auto-supervisé DINOv2.
Modèles de segmentation sémantique avec plus de 500 backbones convolutifs et basés sur des transformers pré-entraînés.
Implémentation de U-Net en PyTorch pour la segmentation sémantique d'images avec des images de haute qualité
[CVPR 2024 Oral] InternVL Family : Une alternative open-source pionnière à GPT-4o. Un modèle de dialogue multimodal open-source aux performances proches de GPT-4o.
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.
Outils pour concevoir ou visualiser l'architecture d'un réseau de neurones
Implémentation PyTorch pour la Segmentation Sémantique/Analyse de Scène sur le dataset MIT ADE20K
Une liste sélectionnée d'outils formidables pour l'étiquetage de données
Annoter ses propres ensembles de données, entraîner, évaluer, tester et déployer ses propres algorithmes d'intelligence artificielle
[ICML 2024] Vision Mamba : Apprentissage efficace de représentations visuelles avec un modèle d'espace d'états bidirectionnel
pySLAM est un pipeline SLAM Visuel hybride Python/C++ prenant en charge les caméras monoculaires, stéréoscopiques et RGB-D. Il offre un large éventail d'extracteurs de caractéristiques locales et globales modernes, de multiples stratégies de fermeture de boucle, un module de reconstruction volumétrique, des modèles intégrés de prédiction de profondeur et des capacités de segmentation sémantique pour une meilleure compréhension de la scène.
Implémentation de Segnet, FCN, UNet, PSPNet et d'autres modèles dans Keras.
Minkowski Engine est une bibliothèque de réseaux de neurones avec auto-différenciation pour les tenseurs clairsemés de haute dimension
Résumé des articles liés à l'attention visuelle. Le code associé sera progressivement publié sur Jittor.
[CVPR 2023 Highlight] InternImage : Exploration de grands modèles fondamentaux de vision avec des convolutions déformables
Modèle 3D U-Net pour la segmentation sémantique volumétrique écrit en PyTorch
[CVPR 2025] Implémentation officielle PyTorch de MambaVision : un backbone hybride Mamba-Transformer pour la vision
Une bibliothèque et un framework open source pour le deep learning sur l'imagerie satellitaire et aérienne.
Qwen-Image-Layered : Décomposition en couches pour une modifiabilité inhérente
Empreintes de bâtiments générées par ordinateur pour les États-Unis
Collaborez et étiquetez tout type de données, d'images, de textes ou de documents, dans une interface Web simple ou une application de bureau.
[Présentation orale à CVPR'24] Dépôt officiel de Point Transformer V3 (PTv3). Propose également un package PyTorch + Triton installable avec pip, comprenant les encodeurs préentraînés Sonata, Concerto et Utonia.
Empreintes de bâtiments mondiales dérivées d'images satellitaires
Outil d'étiquetage web pour images bitmap et nuages de points
Core ML model zoo pour iOS/macOS — Modèles PyTorch convertis en .mlpackage prêts à l'emploi, chacun avec un script de conversion et une application exemple en SwiftUI. Les dépôts associés couvrent le framework Core AI d'Apple (iOS/macOS 27) et les LLM sur appareil.
:art: Modèles, ensembles de données et pertes de segmentation sémantique implémentés en PyTorch.
Entraînement tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînement, fine-tuning, distillation.
Plateforme open-source d'annotation de données multimodales avec support d'auto-annotation IA.
[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
Foire aux questions
Quel est le dépôt #semantic-segmentation le plus populaire sur GitHub ?
Le projet #semantic-segmentation open source le mieux classé sur GitHub est ultralytics/ultralytics, avec 63,640 étoiles. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — détection d’objets, segmentation d’instances, segmentation sémantique, classification d’images, estimation de pose et suivi d’objets
Quels langages de programmation sont les plus utilisés dans les dépôts #semantic-segmentation ?
Parmi les projets #semantic-segmentation les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript, TypeScript.
Comment le classement des dépôts #semantic-segmentation est-il calculé ?
Nous suivons 110 dépôts open source actifs associés à #semantic-segmentation (500+ étoiles), totalisant 387,910 étoiles, avec une moyenne de 3,526 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.