#semantic-segmentation Repositórios
110 repositórios no total
Uma implementação PyTorch de EfficientDet fiel à implementação original do Google com pesos portados
Um framework sem necessidade de programação, baseado em PyTorch, para estudos reproduzíveis de aprendizagem profunda. Ecossistema PyTorch. 🏆 Até o momento, foram implementados 28 métodos de destilação de conhecimento apresentados em TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI etc. 🎁 Modelos treinados, registros de treinamento e configurações estão disponíveis para garantir a reprodutibilidade e facilitar a avaliação comparativa.
O Medical Detection Toolkit contém implementações 2D + 3D de detectores de objetos prevalentes, como Mask R-CNN, Retina Net, Retina U-Net, bem como um framework de treinamento e inferência focado em lidar com imagens médicas.
[CVPR 2023] Uma alternativa acadêmica à rede de ocupação da Tesla para direção autônoma.
Lift, Splat, Shoot: Codificando Imagens a Partir de Configurações Arbitrárias de Câmera por Desprojeção Implícita para 3D (ECCV 2020)
O Conjunto de Dados de Réplica v1 publicado em https://arxiv.org/abs/1906.05797 .
Um extrator de representação de análise humana pronto para uso.
Código para "Deep Snake para Segmentação de Instâncias em Tempo Real" CVPR 2020 oral
[CVPR 2021 e IJCV 2024] Repensando a Segmentação Semântica de uma Perspectiva Sequence-to-Sequence com Transformers
Artigos incríveis sobre Detecção e Segmentação de Objetos 3D Multi-Câmera em Visão Aérea (Bird's-Eye-View), como DETR3D, BEVDet, BEVFormer, BEVDepth, UniAD
Implementação oficial PyTorch do Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] e EZ-SP [ICRA'26]
UNetFormer: um transformer semelhante ao UNet para segmentação semântica eficiente de imagens de cena urbana de sensoriamento remoto, ISPRS. Além disso, incluindo outros transformers de visão e CNNs para segmentação de imagens de satélite, aéreas e de UAV.
Modelos leves para segmentação semântica em tempo real no PyTorch (incluem SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Nós de inferência de aprendizado profundo para ROS / ROS2 com suporte para NVIDIA Jetson e TensorRT
Ampliando Seus Kernels para 31x31: Revisando o Design de Kernel Grande em CNNs (CVPR 2022)
Implementação oficial em PyTorch do ODISE: Segmentação Panóptica de Vocabulário Aberto com Modelos de Difusão de Texto para Imagem [Destaque CVPR 2023]
[ICLR 2024] Implementação oficial em PyTorch de FasterViT: Vision Transformers rápidos com atenção hierárquica
Uma lista de publicações selecionadas sobre segmentação semântica de vocabulário aberto e recursos de áreas relacionadas (por exemplo, segmentação semântica zero-shot).
API SemanticKITTI para visualização de conjunto de dados, processamento de dados e avaliação de resultados.
SSSegmentation: Uma Caixa de Ferramentas de Segmentação Semântica Supervisionada de Código Aberto Baseada em PyTorch.
Implementações simples em PyTorch de U-Net/FullyConvNet (FCN) para segmentação de imagens
:books: Uma coleção de artigos sobre Segmentação de Imagens por Referência.
[Destaque CVPR'25] Repositório oficial de Sonata: Aprendizado Auto-Supervisionado de Representações de Pontos Confiáveis
Biblioteca de percepção hierárquica em Python para estimativa de pose, detecção de objetos, segmentação de instância, estimativa de pontos-chave, reconhecimento facial, etc.
(IJCV2024 & ICCV2023) LSKNet: Um Backbone Fundacional Leve para Sensoriamento Remoto
ViPlanner: Aprendizagem Imperativa Semântica Visual para Navegação Local
Dataset de matting de retratos, que inclui 34427 imagens e suas respectivas imagens de resultado de matting.
[Destaque do CVPR 2024] Feature 3DGS: Potencializando o 3D Gaussian Splatting para Habilitar Campos de Características Destiladas
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 2021] LoveDA: Um conjunto de dados de cobertura terrestre de sensori remotos para segmentação semântica adaptativa de domínio