#semantic-segmentation 仓库
共 110 个仓库
一个基于 PyTorch 构建的免编码框架,用于开展可复现的深度学习研究。PyTorch 生态系统。🏆 目前已实现 28 种发表于 TPAMI、CVPR、ICLR、ECCV、NeurIPS、ICCV、AAAI 等会议和期刊的知识蒸馏方法。🎁 提供训练好的模型、训练日志和配置文件,以确保研究结果可复现并便于基准测试。
Medical Detection Toolkit 包含 Mask R-CNN、Retina Net、Retina U-Net 等流行物体检测器的 2D + 3D 实现,以及一个专注于处理医疗图像的训练和推理框架。
[CVPR 2021 & IJCV 2024] 从 Sequence-to-Sequence 的 Transformer 视角重新思考语义分割
关于鸟瞰图多相机3D目标检测和分割的优秀论文,例如DETR3D, BEVDet, BEVFormer, BEVDepth, UniAD
Superpoint Transformer [ICCV'23]、SuperCluster [3DV'24 Oral] 和 EZ-SP [ICRA'26] 的官方 PyTorch 实现
UNetFormer:一种类似 UNet 的 Transformer,用于遥感城市场景图像的高效语义分割,ISPRS。此外,还包括用于卫星、航空和无人机图像分割的其他视觉 Transformer 和 CNN。
PyTorch 上实时时语义分割的轻量级模型(包括 SQNet、LinkNet、SegNet、UNet、ENet、ERFNet、EDANet、ESPNet、ESPNetv2、LEDNet、ESNet、FSSNet、CGNet、DABNet、Fast-SCNN、ContextNet、FPENet 等)
本存储库提供了全面的雷达和光学卫星数据集列表,这些数据集经过精心整理,用于船舶检测、分类、语义分割和实例分割任务。这些数据集非常适合计算机视觉、机器学习、遥感和海事分析等领域的应用。