#instance-segmentation Repositórios
Descubra 53 repositórios ativos de código aberto no GitHub marcados com #instance-segmentation, acumulando um total de 348,506 estrelas (uma média de 6,575 por projeto). O líder deste tópico é ultralytics/ultralytics, com 63,640 estrelas.
53 repositórios no total
Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
Mask R-CNN para detecção de objetos e segmentação de instâncias no Keras e TensorFlow
Anotação de imagens com Python. Suporta polígono, retângulo, círculo, linha, ponto e anotação assistida por IA.
Kit de ferramentas de Detecção de Objetos baseado em PaddlePaddle. Ele suporta detecção de objetos, segmentação de instância, rastreamento de múltiplos objetos e detecção de pontos-chave multipessoa em tempo real.
X-AnyLabeling: uma aplicação de desktop multiplataforma, leve, eficiente e unificada para anotar texto, imagens, vídeos, nuvens de pontos e dados multimodais. Combina ferramentas integradas versáteis com modelos de IA de última geração e oferece opções flexíveis de exportação em vários formatos.
RF-DETR é uma arquitetura de modelo de detecção e segmentação de objetos em tempo real desenvolvida pela Roboflow, SOTA no COCO, projetada para ajuste fino (fine-tuning). [ICLR 2026]
Inferência fatiada/em mosaico agnóstica a frameworks + UI interativa + gráficos de análise de erros
Um modelo simples e totalmente convolucional para segmentação de instâncias em tempo real.
AdelaiDet é uma caixa de ferramentas de código aberto para múltiplas tarefas de detecção e reconhecimento em nível de instância.
pySLAM é um pipeline SLAM Visual híbrido Python/C++ que suporta câmeras monoculares, estéreo e RGB-D. Ele oferece um amplo conjunto de extratores de recursos locais e globais modernos, múltiplas estratégias de fechamento de loop, um módulo de reconstrução volumétrica, modelos integrados de previsão de profundidade e capacidades de segmentação semântica para uma compreensão aprimorada da cena.
[NeurIPS 2025] YOLOv12: Detectores de Objetos em Tempo Real com Foco em Atenção
Imagens para inferência sem rotulagem (use modelos de base para treinar modelos supervisionados).
Transforme qualquer computador ou dispositivo de borda em um centro de comando para seus projetos de visão computacional.
[CVPR 2025] Implementação Oficial em PyTorch de MambaVision: Um Backbone Híbrido Mamba-Transformer para Visão
🚀 Kit de Ferramentas de Implantação YOLO Mais Fácil e Rápido para NVIDIA 🛠️
[CVPR 2023] OneFormer: Um Transformer para Dominar a Segmentação Universal de Imagem
[Destaque ICLR'23🔥] O primeiro pré-treinamento bem-sucedido no estilo BERT/MAE em qualquer rede convolucional; Implementação em Pytorch de "Projetando BERT para Redes Convolucionais: Modelagem Mascarada Esparsa e Hierárquica"
Código para "Deep Snake para Segmentação de Instâncias em Tempo Real" CVPR 2020 oral
Lançamento do código para "Cut and Learn para Detecção de Objetos e Segmentação de Instância Não Supervisionadas" e "VideoCutLER: Segmentação de Instância de Vídeo Não Supervisionada Surpreendentemente Simples"
GigaModels: Um repositório e plataforma abrangentes para modelos multimodais, generativos e perceptuais
LibreYOLO é uma biblioteca de visão computacional de código aberto licenciada sob MIT
Implementação oficial em PyTorch do ODISE: Segmentação Panóptica de Vocabulário Aberto com Modelos de Difusão de Texto para Imagem [Destaque CVPR 2023]
Framework de Visão Computacional e Análise de Vídeo em Python com Baterias Incluídas
:books: Uma coleção de artigos sobre Segmentação de Imagens por Referência.
[CVPR 2022] Código oficial para "RegionCLIP: Pré-treinamento de Linguagem-Imagem Baseado em Região"
[ICCV 2023] Implementação oficial do artigo "Uma Estrutura Simples para Segmentação e Detecção de Vocabulário Aberto"
Biblioteca de percepção hierárquica em Python para estimativa de pose, detecção de objetos, segmentação de instância, estimativa de pontos-chave, reconhecimento facial, etc.
🚀🚀🚀 Implementação da série YOLO do PaddlePaddle, PP-YOLOE+, RT-DETR, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv10, YOLO11, YOLOX, YOLOv5u, YOLOv7u, YOLOv6Lite, RTMDet e assim por diante. 🚀🚀🚀
[Destaque CVPR 2025] Código e modelos oficiais para o Encoder-only Mask Transformer (EoMT).
Esta é a implementação em pytorch do nosso artigo "RSPrompter: Learning to Prompt for Remote Sensing Instance Segmentation based on Visual Foundation Model"
[CVPR2024] Código para "SAM-6D: Segment Anything Model Encontra Estimação de Posição de Objeto 6D Zero-Shot".
Framework de reconhecimento de instância de vídeo de próxima geração baseado no Detectron2 que suporta InstMove (CVPR 2023), SeqFormer (ECCV Oral) e IDOL (ECCV Oral))
[CVPR 2024] Lançamento de código para "InstanceDiffusion: Controle em Nível de Instância para Geração de Imagens"
Código PyTorch para o artigo "FIERY: Segmentação de Instância Futura em Vista de Olho de Pássaro a Partir de Câmeras Monoculares Circundantes"
Aumento de imagens para visão computacional. Licenciamento exclusivamente sob AGPL-3.0 ou licença comercial.
Este repositório fornece uma lista abrangente de conjuntos de dados de satélite de radar e ópticos, selecionados para tarefas de detecção, classificação, segmentação semântica e segmentação de instâncias de navios. Estes conjuntos de dados são ideais para aplicações em visão computacional, aprendizado de máquina, sensoriamento remoto e análise marítima.
[NeurIPS 2020] Este projeto fornece uma forte linha de base de estágio único para Classificação, Detecção e Segmentação de Instâncias de Cauda Longa (LVIS). É também uma implementação em PyTorch do artigo NeurIPS 2020 'Long-Tailed Classification by Keeping the Good and Removing the Bad Momentum Causal Effect'.
🚀 Uma solução de detecção de objetos em tempo real de alto desempenho usando YOLO11 ⚡️ com tecnologia ONNX-Runtime
Perguntas Frequentes
Qual é o repositório de #instance-segmentation mais popular no GitHub?
O projeto de código aberto de #instance-segmentation mais bem classificado no GitHub é ultralytics/ultralytics, com 63,640 estrelas. Ultralytics YOLO27, YOLO26, YOLO11, YOLOv8 — deteção de objetos, segmentação de instâncias, segmentação semântica, classificação de imagens, estimativa de pose e rastreamento de objetos
Quais linguagens de programação são mais usadas nos repositórios de #instance-segmentation?
Entre os projetos de #instance-segmentation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, C++, JavaScript.
Como é calculada a classificação dos repositórios de #instance-segmentation?
Acompanhamos 53 repositórios ativos de código aberto marcados com #instance-segmentation (com mais de 500 estrelas), totalizando 348,506 estrelas e uma média de 6,575 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.