semantic-segmentation

[CVPR 2023] OneFormer: Un Transformer para dominar la segmentación universal de imágenes.

Entrenamiento integral para modelos de visión (YOLO, ViTs, RT-DETR, DINOv3): preentrenamiento, ajuste fino y destilación.

Implementación en PyTorch de EfficientDet fiel a la original de Google con pesos portados.

Un framework sin código basado en PyTorch para estudios de aprendizaje profundo reproducibles. Parte del ecosistema PyTorch. Incluye hasta la fecha 26 métodos de destilación de conocimiento presentados en TPAMI, CVPR, ICLR, ECCV, NeurIPS, ICCV, AAAI, etc. Se proporcionan modelos entrenados, registros de entrenamiento y configuraciones para garantizar la reproducibilidad y el benchmarking.

[ICLR 2023 Spotlight] Vision Transformer Adapter para predicciones densas

El Medical Detection Toolkit contiene implementaciones 2D y 3D de detectores de objetos frecuentes como Mask R-CNN, Retina Net, Retina U-Net, así como un framework de entrenamiento e inferencia enfocado en el manejo de imágenes médicas.

Extractor de representación de análisis humano listo para usar

Marco de compresión de redes neuronales para una inferencia mejorada con OpenVINO™.

UNetFormer: Un transformer de tipo UNet para la segmentación semántica eficiente de imágenes de escenas urbanas de teledetección (ISPRS). También incluye otros vision transformers y CNN para la segmentación de imágenes de satélite, aéreas y de drones.

Implementación oficial en PyTorch de Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] y EZ-SP [ICRA'26]

Modelos ligeros para segmentación semántica en tiempo real en PyTorch (incluye SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)

Implementación oficial en PyTorch de ODISE: Segmentación panóptica de vocabulario abierto con modelos de difusión de texto a imagen [CVPR 2023 Highlight]

Modelos SOTA de segmentación semántica en PyTorch

[ICLR 2024] Implementación oficial en PyTorch de FasterViT: Vision Transformers rápidos con atención jerárquica.

[ICLR2022] Implementación oficial de UniFormer.

API de SemanticKITTI para visualizar conjuntos de datos, procesar información y evaluar resultados.

Implementaciones simples en PyTorch de U-Net/FullyConvNet (FCN) para segmentación de imágenes

SSSegmentation: Una caja de herramientas de segmentación semántica supervisada de código abierto basada en PyTorch.

Repositorio oficial de nuestro trabajo reciente: PIDNet.

:books: Una colección de documentos sobre Referring Image Segmentation.

Segmentación semántica para teledetección

Biblioteca de percepción jerárquica en Python para estimación de pose, detección de objetos, segmentación de instancias, estimación de puntos clave, reconocimiento facial, etc.

Este repositorio proporciona una lista exhaustiva de conjuntos de datos de satélites ópticos y de radar seleccionados para tareas de detección, clasificación, segmentación semántica y segmentación de instancias de barcos. Estos conjuntos de datos son ideales para aplicaciones en visión artificial, aprendizaje automático, teledetección y análisis marítimo.

[CVPR22] Implementación oficial de DAFormer: Mejora de arquitecturas de red y estrategias de entrenamiento para segmentación semántica con adaptación de dominio.

[NeurIPS 2021] LoveDA: un conjunto de datos de teledetección de cobertura terrestre para segmentación semántica con adaptación de dominio.

Artículos de ICASSP 2023-2024: Una colección completa de artículos de investigación influyentes y destacados de las conferencias ICASSP 2023-24. Explore los últimos avances en acústica, voz y procesamiento de señales. Código incluido. ¡Marque el repositorio con una estrella para apoyar el avance del procesamiento de audio y señales!

Aplicación iOS y paquete Swift de Ultralytics YOLO para inferencia Core ML en tiempo real en tareas de visión artificial.

Biblioteca de código abierto y gratuita para detección de objetos mediante IA y segmentación semántica en rásteres geoespaciales. 🚀