semantic-segmentation

[CVPR 2023] OneFormer: Ein Transformer für alle Aufgaben der universellen Bildsegmentierung

All-in-One-Training für Vision-Modelle (YOLO, ViTs, RT-DETR, DINOv3): Vortraining, Fine-Tuning, Distillation.

Eine PyTorch-Implementierung von EfficientDet getreu dem originalen Google-Impl mit portierten Gewichten

Ein auf PyTorch basierendes, codierungsfreies Framework für reproduzierbare Deep-Learning-Studien. PyTorch Ecosystem. 🏆 Bisher wurden 26 Knowledge-Distillation-Methoden implementiert, die auf TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI etc. vorgestellt wurden. 🎁 Trainierte Modelle, Trainingsprotokolle und Konfigurationen stehen zur Verfügung, um Reproduzierbarkeit und Benchmarks sicherzustellen.

[ICLR 2023 Spotlight] Vision Transformer Adapter für dichte Vorhersagen

Das Medical Detection Toolkit enthält 2D- und 3D-Implementierungen gängiger Objekterkenner wie Mask R-CNN, Retina Net, Retina U-Net sowie ein Trainings- und Inferenz-Framework für medizinische Bilder.

Ein sofort einsatzbereiter Extraktor für menschliche Parsing-Repräsentationen.

Neuronales Netzwerk-Komprimierungsframework für verbesserte OpenVINO™-Inferenz

UNetFormer: Ein UNet-ähnlicher Transformer für die effiziente semantische Segmentierung von Fernerkundungs-Stadtbildern (ISPRS). Enthält zudem weitere Vision Transformer und CNNs für die Segmentierung von Satelliten-, Luft- und Drohnenbildern.

Offizielle PyTorch-Implementierung von Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] und EZ-SP [ICRA'26]

Leichte Modelle für die semantische Echtzeit-Segmentierung in PyTorch (einschließlich SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet usw.)

Offizielle PyTorch-Implementierung von ODISE: Open-Vocabulary Panoptic Segmentation mit Text-to-Image Diffusion Models [CVPR 2023 Highlight]

SOTA Semantic-Segmentation-Modelle in PyTorch

Offizielle PyTorch-Implementierung von FasterViT: Fast Vision Transformers with Hierarchical Attention (ICLR 2024)

[ICLR2022] Offizielle Implementierung von UniFormer

SemanticKITTI-API zur Visualisierung von Datensätzen, Verarbeitung von Daten und Auswertung von Ergebnissen.

Einfache PyTorch-Implementierungen von U-Net/FullyConvNet (FCN) zur Bildsegmentierung

SSSegmentation: Eine Open-Source-Toolbox für überwachte semantische Segmentierung basierend auf PyTorch.

Dies ist das offizielle Repository für unsere aktuelle Arbeit: PIDNet

:books: Eine Sammlung von Arbeiten über Referring Image Segmentation.

Semantische Segmentierung für die Fernerkundung

Hierarchische Wahrnehmungsbibliothek in Python für Posenbestimmung, Objekterkennung, Instanzsegmentierung, Keypoint-Schätzung, Gesichtserkennung usw.

Dieses Repository bietet eine umfassende Liste von Radar- und optischen Satellitendatensätzen, die für Aufgaben der Schiffserkennung, Klassifizierung, semantischen Segmentierung und Instanzsegmentierung zusammengestellt wurden. Diese Datensätze sind ideal für Anwendungen in Computer Vision, Machine Learning, Fernerkundung und maritimer Analyse.

[CVPR22] Offizielle Implementierung von DAFormer: Verbesserung von Netzwerkarchitekturen und Trainingsstrategien für domänenadaptive semantische Segmentierung

[NeurIPS 2021] LoveDA: Ein Datensatz zur Landbedeckung in der Fernerkundung für domänenadaptive semantische Segmentierung.

ICASSP 2023-2024 Papers: Eine vollständige Sammlung einflussreicher und spannender Forschungsarbeiten der ICASSP 2023-24 Konferenzen. Entdecken Sie die neuesten Fortschritte in Akustik, Sprach- und Signalverarbeitung. Inklusive Code.

Ultralytics YOLO iOS-App und Swift-Paket für Core ML-Inferenz in Echtzeit für gängige Computer-Vision-Aufgaben.

Freie und quelloffene Bibliothek für KI-Objekterkennung und semantische Segmentierung in geodätischen Rastern.