segmentation

Medical SAM 2: Segmentierung von medizinischen 3D-Bildern über das Segment Anything Model 2

Dieses Repository ist eine inoffizielle PyTorch-Implementierung der medizinischen Segmentierung in 2D und 3D.

Python-Toolkit, MCP-Server und Agenten-Fähigkeiten für reproduzierbare, auditierbare Klickstream- und Event-Log-Analysen. Hilft KI-Agenten, Data Scientists und Analysten dabei, Produktanalysen, quantitative UX, Customer Journeys, graphen basierte Nutzerflüsse, Verhaltenssegmentierung, A/B-Tests, Process-Mining-Modelle und Markov-Ketten-Simulationen zu erstellen, zu validieren und querzuprüfen

👉 CARLA-Ressourcen wie Tutorials, Blogs, Code usw. https://github.com/carla-simulator/carla

alfred-py: Eine Deep-Learning-Hilfsbibliothek für **Menschen**, weitere Details zur Nutzung unter: https://zhuanlan.zhihu.com/p/341446046

CNN-basiertes Toolkit zur Audiosegmentierung. Ermöglicht das Erkennen von Sprache, Musik, Rauschen und Sprechergeschlecht. Wurde für großangelegte Studien zur Geschlechtergerechtigkeit auf Basis der Sprechzeit pro Geschlecht entwickelt.

[ICCV2021] Offizielle PyTorch-Implementierung von Segmenter: Transformer für semantische Segmentierung

[CVPR 2020] CascadePSP: Klassenunabhängige und hochauflösende Segmentierung durch globale und lokale Verfeinerung

MONAI Label ist ein intelligentes, Open-Source-basiertes Bildkennzeichnungs- und Lernwerkzeug.

🔥 ROS (C++) Roboter-Betriebssystem-Lernen (verfasst im Sommer 2020)

Eine Android-App zum Scannen Ihrer Dokumente – einfach und datenschutzfreundlich

Hochpräzise Segmentierung für Anime-Charaktere

DIPY ist die führende 3D/4D+ Medizintechnik-Bibliothek in Python. Sie enthält generische Methoden zur räumlichen Normalisierung, Signalverarbeitung, für maschinelles Lernen, statistische Analyse und Visualisierung medizinischer Bilder. Darüber hinaus enthält sie spezielle Methoden für die computergestützte Anatomie, einschließlich Diffusions-, Perfusions- und Strukturbildgebung.

Hochleistungs-Vision-Bibliothek in Python. Skalieren Sie Ihre Forschung, nicht Boilerplate.

YoloDotNet – Ein C# .NET 8.0-Projekt für Klassifizierung, Objekterkennung, OBB-Erkennung, Segmentierung und Pose Estimation in Bildern und Live-Videostreams.

Boden-Segmentierung aus Lidar-Punktwolken

Feature-Flags, Experimente und Remote-Konfigurationsverwaltung mit Versionskontrolle

Software für medizinische 3D-Bildrekonstruktion

TensorFlow-Implementierung zur Berechnung eines semantisch segmentierten Vogelperspektiven-Bildes (BEV) anhand von Bildern mehrerer fahrzeugmontierter Kameras.

FSGAN - Offizielle PyTorch-Implementierung

Inoffizielle Implementierung von „TTNet: Real-time temporal and spatial video analysis of table tennis“ (CVPR 2020)

Segment Anything für die Mikroskopie

[CVPR2026]🚀🚀🚀 Offizieller Code zum Papier „YOLO-Master: MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection.“ *(YOLO = You Only Look Once)* 🔥🔥🔥

🔥🔥 Offizielles Repository für Multi-Human-Parsing (MHP) 🔥🔥

Python-Bibliothek zum Anpassen von 3D-Grundformen an Punktwolken mit RANSAC. Erkennt Ebenen, Kugeln, Zylinder, Quader, Kreise und Linien.

EfficientSAM3 komprimiert SAM3 durch progressive Wissensdestillation in leichtgewichtige, Edge-freundliche Modelle für schnelle, prompt-basierte Konzeptsegmentierung und -verfolgung.

Projektseite für „Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement“

[CVPR 2025 Highlight] Offizieller Code und Modelle für Encoder-only Mask Transformer (EoMT).

Camouflaged Object Detection, CVPR 2020 (Oral).

ComfyUI-Knoten für Vision-Language-Modelle: Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Plus Open-Vocabulary-Erkennung, SAM2/SAM3-Segmentierung, Video-Temporal-Reasoning, GGUF über llama.cpp und gehostete LLM/VLM-APIs.