#semantic-segmentation Repositórios
Descubra 110 repositórios ativos de código aberto no GitHub marcados com #semantic-segmentation, acumulando um total de 387,910 estrelas (uma média de 3,526 por projeto). O líder deste tópico é ultralytics/ultralytics, com 63,640 estrelas.
110 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
Label Studio é uma ferramenta de rotulagem e anotação de dados multi-tipo com formato de saída padronizado
O CVAT é uma plataforma líder de anotação de dados para conjuntos de dados de imagens, vídeos, áudio e 3D. Oferece produtos de código aberto, na nuvem e empresariais, além de serviços de rotulagem, com rotulagem assistida por IA, garantia de qualidade, colaboração em equipe, análises e APIs para desenvolvedores.
Anotação de imagens com Python. Suporta polígono, retângulo, círculo, linha, ponto e anotação assistida por IA.
Esta é uma implementação oficial para "Swin Transformer: Transformer de Visão Hierárquico usando Janelas Deslocadas".
Código e modelos PyTorch para o método de aprendizado autossupervisionado DINOv2.
Modelos de segmentação semântica com mais de 500 backbones pré-treinados baseados em convolução e transformador.
Implementação em PyTorch da U-Net para segmentação semântica de imagens com imagens de alta qualidade
[CVPR 2024 Oral] Família InternVL: Uma Alternativa Open-Source Pioneira ao GPT-4o. Modelo de diálogo multimodal de código aberto com desempenho próximo ao do GPT-4o
Biblioteca de segmentação de imagem fácil de usar com um zoológico de modelos pré-treinados impressionante, suportando uma ampla gama de tarefas práticas em Segmentação Semântica, Segmentação Interativa, Segmentação Panóptica, Matting de Imagem, Segmentação 3D, etc.
Ferramentas para Projetar ou Visualizar a Arquitetura de Redes Neurais
Implementação Pytorch para Segmentação Semântica/Análise de Cena no conjunto de dados MIT ADE20K
Uma lista selecionada de incríveis ferramentas de rotulagem de dados
Rotular seus próprios conjuntos de dados, treinar, avaliar, testar e implantar seus próprios algoritmos de inteligência artificial
[ICML 2024] Vision Mamba: Aprendizagem Eficiente de Representação Visual com Modelo de Espaço de Estados Bidirecional
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.
Implementação de Segnet, FCN, UNet, PSPNet e outros modelos no Keras.
Minkowski Engine é uma biblioteca de rede neural de autodiferenciação para tensores esparsos de alta dimensão
Resumo de artigos relacionados sobre atenção visual. O código relacionado será lançado gradualmente com base no Jittor.
[Destaque CVPR 2023] InternImage: Explorando Modelos Fundamentais de Visão em Grande Escala com Convoluções Deformáveis
[CVPR 2025] Implementação Oficial em PyTorch de MambaVision: Um Backbone Híbrido Mamba-Transformer para Visão
Uma biblioteca e framework de código aberto para aprendizado profundo em imagens de satélite e aéreas.
Qwen-Image-Layered: Decomposição em Camadas para Editabilidade Inerente
Pegadas de edifícios geradas por computador para os Estados Unidos
Colabore e rotule qualquer tipo de dados, imagens, textos ou documentos, em uma interface web fácil ou aplicativo desktop.
[Apresentação oral na CVPR'24] Repositório oficial do Point Transformer V3 (PTv3). Também oferece um pacote PyTorch + Triton instalável via pip, com os codificadores pré-treinados Sonata, Concerto e Utonia.
Contornos de edifícios em todo o mundo derivados de imagens de satélite
Ferramenta de rotulagem web para imagens bitmap e nuvens de pontos
Core ML model zoo para iOS/macOS — modelos PyTorch convertidos em .mlpackage prontos para uso, cada um com um script de conversão e um aplicativo de exemplo em SwiftUI. Repositórios relacionados cobrem o framework Core AI da Apple (iOS/macOS 27) e LLMs locais (on-device).
:art: Modelos de segmentação semântica, datasets e perdas implementados em PyTorch.
Treinamento completo para modelos de visão (YOLO, ViTs, RT-DETR, DINOv3): pré-treinamento, ajuste fino, destilação.
Plataforma open-source de anotação de dados multimodais com suporte a auto-anotação por IA.
[CVPR 2023] OneFormer: Um Transformer para Dominar a Segmentação Universal de Imagem
Este é o código-fonte de um unet-pytorch que pode treinar seus próprios modelos
Perguntas Frequentes
Qual é o repositório de #semantic-segmentation mais popular no GitHub?
O projeto de código aberto de #semantic-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 #semantic-segmentation?
Entre os projetos de #semantic-segmentation mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, Jupyter Notebook, JavaScript, TypeScript.
Como é calculada a classificação dos repositórios de #semantic-segmentation?
Acompanhamos 110 repositórios ativos de código aberto marcados com #semantic-segmentation (com mais de 500 estrelas), totalizando 387,910 estrelas e uma média de 3,526 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.