#instance-segmentation Repository
Scopri 53 repository GitHub open source attivi contrassegnati con #instance-segmentation, che raccolgono un totale di 348,506 stelle (con una media di 6,575 stelle per progetto). Il progetto leader di questo argomento è ultralytics/ultralytics, con 63,640 stelle.
53 repository in totale
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione di istanze, classificazione, addestramento ed esportazione.
Mask R-CNN per il rilevamento di oggetti e la segmentazione di istanze su Keras e TensorFlow
Annotazione immagini con Python. Supporta poligono, rettangolo, cerchio, linea, punto e annotazione assistita da IA.
Toolkit per il rilevamento di oggetti basato su PaddlePaddle. Supporta il rilevamento di oggetti, la segmentazione di istanze, il tracciamento di più oggetti e il rilevamento di punti chiave di più persone in tempo reale.
X-AnyLabeling: un’applicazione desktop multipiattaforma, leggera, efficiente e unificata per annotare testi, immagini, video, nuvole di punti e dati multimodali. Combina versatili strumenti integrati con modelli di IA all’avanguardia e offre flessibili opzioni di esportazione in più formati.
RF-DETR è un'architettura di modello per il rilevamento e la segmentazione di oggetti in tempo reale sviluppata da Roboflow, SOTA su COCO, progettata per il fine-tuning. [ICLR 2026]
Inferenza affettata/tiled indipendente dal framework + interfaccia utente interattiva + grafici di analisi degli errori
Un modello semplice e completamente convoluzionale per la segmentazione di istanze in tempo reale.
AdelaiDet è una cassetta degli attrezzi open source per compiti di rilevamento e riconoscimento multipli a livello di istanza.
pySLAM è una pipeline SLAM Visivo ibrida Python/C++ che supporta telecamere monoculari, stereo e RGB-D. Fornisce un vasto insieme di moderni estrattori di caratteristiche locali e globali, molteplici strategie di chiusura del loop, un modulo di ricostruzione volumetrica, modelli integrati di previsione della profondità e capacità di segmentazione semantica per una migliore comprensione della scena.
[NeurIPS 2025] YOLOv12: Rilevatori di oggetti in tempo reale incentrati sull'attenzione
Immagini per inferenza senza etichettatura (utilizzare modelli di base per addestrare modelli supervisionati).
Trasforma qualsiasi computer o dispositivo edge in un centro di comando per i tuoi progetti di computer vision.
[CVPR 2025] Implementazione ufficiale PyTorch di MambaVision: Un backbone ibrido Mamba-Transformer per la visione
[CVPR 2023] OneFormer: Un Transformer per dominare la segmentazione universale delle immagini
[ICLR'23 Spotlight🔥] Il primo pre-training di successo in stile BERT/MAE su qualsiasi rete convoluzionale; Impl. Pytorch di "Designing BERT for Convolutional Networks: Sparse and Hierarchical Masked Modeling"
Rilascio del codice per "Cut and Learn for Unsupervised Object Detection and Instance Segmentation" e "VideoCutLER: Surprisingly Simple Unsupervised Video Instance Segmentation"
GigaModels: Un repository e una piattaforma completa per modelli multimodali, generativi e percettivi
Implementazione ufficiale di PyTorch di ODISE: Segmentazione Panottica Open-Vocabulary con Modelli di Diffusione Text-to-Image [CVPR 2023 Highlight]
Framework di visione artificiale e videoanalisi Python con batterie incluse
:books: Una collezione di articoli su Referring Image Segmentation.
Codice ufficiale per "RegionCLIP: Region-based Language-Image Pretraining" [CVPR 2022]
[ICCV 2023] Implementazione ufficiale del paper "A Simple Framework for Open-Vocabulary Segmentation and Detection"
Libreria di percezione gerarchica in Python per stima della posa, rilevamento oggetti, segmentazione istanze, stima keypoints, riconoscimento facciale, ecc.
🚀🚀🚀 Serie YOLO di implementazioni PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet e così via. 🚀🚀🚀
[Highlight CVPR 2025] Codice e modelli ufficiali per l'Encoder-only Mask Transformer (EoMT).
Questa è l'implementazione PyTorch del nostro articolo "RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model"
[CVPR2024] Codice per "SAM-6D: Segment Anything Model incontra la stima della posa 6D con zero shot".
Framework di riconoscimento di istanze video di nuova generazione basato su Detectron2 che supporta InstMove (CVPR 2023), SeqFormer (ECCV Oral) e IDOL (ECCV Oral).
[CVPR 2024] Rilascio del codice per "InstanceDiffusion: Controllo a livello di istanza per la generazione di immagini"
Codice PyTorch per l'articolo "FIERY: Future Instance Segmentation in Bird's-Eye view from Surround Monocular Cameras"
Aumento delle immagini per la visione artificiale. Licenza esclusivamente AGPL-3.0 o licenza commerciale.
Questo repository fornisce un elenco completo di set di dati satellitari radar e ottici curati per attività di rilevamento, classificazione, segmentazione semantica e segmentazione di istanze di navi. Questi set di dati sono ideali per applicazioni in computer vision, machine learning, telerilevamento e analisi marittima.
[NeurIPS 2020] Questo progetto fornisce una solida baseline a stadio singolo per la classificazione, il rilevamento e la segmentazione dell'istanza a coda lunga (LVIS). È anche un'implementazione PyTorch dell'articolo NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
🚀 Una soluzione di rilevamento di oggetti in tempo reale ad alte prestazioni utilizzando YOLO11 ⚡️ basata su ONNX-Runtime
Domande frequenti
Qual è il repository #instance-segmentation più popolare su GitHub?
Il progetto open source #instance-segmentation più alto in classifica su GitHub è ultralytics/ultralytics, con 63,640 stelle. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — rilevamento degli oggetti, segmentazione delle istanze, segmentazione semantica, classificazione delle immagini, stima della posa e tracciamento degli oggetti
Quali linguaggi di programmazione sono più utilizzati nei repository #instance-segmentation?
Tra i progetti #instance-segmentation più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, JavaScript.
Come viene calcolata la classifica dei repository #instance-segmentation?
Monitoriamo 53 repository open source attivi contrassegnati con #instance-segmentation (500+ stelle), per un totale di 348,506 stelle e una media di 6,575 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.