#semantic-segmentation Репозитории
Всего репозиториев: 110
Реализация EfficientDet на PyTorch, верная оригинальной реализации Google с перенесенными весами
Фреймворк без необходимости программирования на базе PyTorch для воспроизводимых исследований в области глубокого обучения. Экосистема PyTorch. 🏆 На данный момент реализовано 28 методов дистилляции знаний, представленных на конференциях и в журналах TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI и других. 🎁 Для обеспечения воспроизводимости и проведения сравнительного тестирования доступны обученные модели, журналы обучения и конфигурации.
Медицинский набор инструментов для обнаружения содержит 2D + 3D реализации распространенных детекторов объектов, таких как Mask R-CNN, Retina Net, Retina U-Net, а также фреймворк для обучения и вывода, ориентированный на работу с медицинскими изображениями.
[CVPR 2023] Академическая альтернатива сети occupancy от Tesla для автономного вождения.
Поднять, Рассеять, Выстрелить: Кодирование изображений из произвольных установок камер путем неявного обратного проецирования в 3D (ECCV 2020)
Replica Dataset v1, опубликованный в https://arxiv.org/abs/1906.05797.
Извлекатель представлений парсинга человека из коробки.
[CVPR 2021 & IJCV 2024] Переосмысление семантической сегментации с точки зрения последовательности в последовательность с помощью Трансформеров
Отличные статьи по многокамерному 3D-детектированию и сегментации объектов в виде с высоты птичьего полета, такие как DETR3D, BEVDet, BEVFormer, BEVDepth, UniAD
Официальная реализация PyTorch для Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] и EZ-SP [ICRA'26]
UNetFormer: Трансформер, подобный UNet, для эффективной семантической сегментации изображений городских сцен дистанционного зондирования, ISPRS. Также включены другие видеотрансформеры и сверточные нейронные сети для сегментации спутниковых, аэрофотоснимков и изображений БПЛА.
Легковесные модели для семантической сегментации в реальном времени на PyTorch (включая SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet и т.д.)
Узлы вывода глубокого обучения для ROS / ROS2 с поддержкой NVIDIA Jetson и TensorRT
Масштабирование ваших ядер до 31x31: Пересмотр дизайна больших ядер в сверточных нейронных сетях (CVPR 2022)
Официальная реализация ODISE на PyTorch: паноптическая сегментация с открытым словарем с использованием диффузионных моделей от текста к изображению [CVPR 2023 Highlight]
[ICLR 2024] Официальная реализация FasterViT на PyTorch: Быстрые Vision Transformers с иерархическим вниманием
Курируемый список публикаций по семантической сегментации с открытым словарем и связанным областям (например, семантическая сегментация с нулевым выстрелом) ресурсы..
API SemanticKITTI для визуализации набора данных, обработки данных и оценки результатов.
SSSegmentation: Open-source инструмент для контролируемой семантической сегментации на базе PyTorch.
Простые реализации на PyTorch U-Net/FullyConvNet (FCN) для сегментации изображений
:books: Сборник статей о Referring Image Segmentation.
[CVPR'25 Highlight] Официальный репозиторий Sonata: Самообучение надежных точечных представлений
Иерархическая библиотека восприятия на Python для оценки позы, обнаружения объектов, сегментации экземпляров, оценки ключевых точек, распознавания лиц и т.д.
(IJCV2024 & ICCV2023) LSKNet: Фундаментальная легкая основа для дистанционного зондирования
ViPlanner: Визуальное семантическое императивное обучение для локальной навигации
Набор данных для мэттинга портретов, содержит 34427 изображений и соответствующие изображения результатов мэттинга.
[CVPR 2024 Highlight] Feature 3DGS: Ускорение 3D гауссова сплэттинга для создания дистиллированных полей признаков
Этот репозиторий предоставляет полный список наборов данных радиолокационных и оптических спутниковых снимков, отобранных для задач обнаружения, классификации, семантической сегментации и сегментации экземпляров судов. Эти наборы данных идеально подходят для приложений в области компьютерного зрения, машинного обучения, дистанционного зондирования и морского анализа.
[NeurIPS 2021] LoveDA: Набор данных дистанционного зондирования землепокрытия для адаптивной семантической сегментации домена