#semantic-segmentation 저장소
저장소 총 110개
재현 가능한 딥러닝 연구를 위한 PyTorch 기반 노코드 프레임워크. PyTorch 생태계. 🏆 지금까지 TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI 등에 발표된 지식 증류 방법 28가지를 구현했습니다. 🎁 재현성을 보장하고 벤치마크를 수행할 수 있도록 학습된 모델, 학습 로그 및 설정을 제공합니다.
의료 탐지 툴킷은 Mask R-CNN, Retina Net, Retina U-Net과 같은 널리 사용되는 객체 탐지기의 2D + 3D 구현을 포함하며, 의료 영상을 다루는 데 중점을 둔 훈련 및 추론 프레임워크를 제공합니다.
[CVPR 2021 & IJCV 2024] 트랜스포머를 이용한 Sequence-to-Sequence 관점에서의 의미론적 분할 재고
DETR3D, BEVDet, BEVFormer, BEVDepth, UniAD와 같은 조감도에서의 다중 카메라 3D 객체 감지 및 분할에 대한 훌륭한 논문
Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral], EZ-SP [ICRA'26]의 공식 PyTorch 구현
UNetFormer: 원격 감지 도시 장면 이미지의 효율적인 의미론적 분할을 위한 UNet 유사 트랜스포머, ISPRS. 또한 위성, 항공 이미지 및 UAV 이미지 분할을 위한 기타 비전 트랜스포머 및 CNN을 포함합니다.
PyTorch를 위한 실시간 의미적 세그멘테이션용 경량 모델 (SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet 등 포함)
오픈 어휘 의미 분할 및 관련 영역(예: 제로샷 의미 분할) 리소스에 대한 큐레이션된 발행물 목록입니다..
이 리포지토리는 선박 탐지, 분류, 의미론적 분할 및 인스턴스 분할 작업을 위해 큐레이션된 레이더 및 광학 위성 데이터 세트의 포괄적인 목록을 제공합니다. 이 데이터 세트는 컴퓨터 비전, 머신 러닝, 원격 탐사 및 해양 분석 애플리케이션에 이상적입니다.