segmentation

Medical SAM 2 : Segmentation d'images médicales 3D via Segment Anything Model 2.

Ce dépôt est une implémentation PyTorch non officielle de la segmentation médicale en 2D et 3D.

Boîte à outils Python, serveur MCP et compétences d'agent pour l'analyse reproductible et auditable de flux de clics et de journaux d'événements. Aide les agents IA, les data scientists et les analystes à construire, valider et vérifier les analyses de produits, l'UX quantitative, les parcours clients, les flux d'utilisateurs basés sur des graphes, la segmentation comportementale, les tests A/B, les modèles de process mining et les simulations de chaînes de Markov.

Ressources CARLA incluant tutoriels, blog, code, etc. https://github.com/carla-simulator/carla

alfred-py : une bibliothèque utilitaire de deep learning pour l'humain. Plus de détails sur l'utilisation de la bibliothèque ici : https://zhuanlan.zhihu.com/p/341446046

Boîte à outils de segmentation audio basée sur les CNN. Permet de détecter la parole, la musique, le bruit et le genre du locuteur. Conçue pour des études à grande échelle sur l'égalité des genres basées sur le temps de parole par genre.

[ICCV2021] Implémentation PyTorch officielle de Segmenter : Transformer pour la segmentation sémantique

[CVPR 2020] CascadePSP : Vers une segmentation agnostique de classe et à très haute résolution via un raffinement global et local

MONAI Label est un outil open source intelligent d'étiquetage et d'apprentissage d'images.

Apprentissage du système d'exploitation pour robots ROS (C++) (écrit à l'été 2020).

Une application Android pour numériser vos documents, simple et respectueuse

Segmentation haute précision pour personnages d'anime.

DIPY est la bibliothèque de référence en Python pour l'imagerie médicale 3D/4D+. Elle contient des méthodes génériques pour la normalisation spatiale, le traitement du signal, l'apprentissage automatique, l'analyse statistique et la visualisation d'images médicales. Elle inclut également des méthodes spécialisées en anatomie computationnelle, notamment pour l'imagerie de diffusion, de perfusion et structurelle.

Bibliothèque de vision par ordinateur haute performance en Python. Faites évoluer vos recherches, pas votre code répétitif.

YoloDotNet - Un projet C# .NET 8.0 pour la classification, la détection d'objets, la détection OBB, la segmentation et l'estimation de pose dans les images et les flux vidéo en direct.

Segmentation du sol à partir de nuages de points Lidar.

Gestion des indicateurs de fonctionnalités (feature flags), des expériences et de la configuration à distance avec contrôle de version.

Logiciel de reconstruction d'imagerie médicale 3D.

Implémentation TensorFlow pour le calcul d'une vue aérienne (BEV) segmentée sémantiquement à partir d'images de caméras embarquées sur véhicule.

FSGAN - Implémentation officielle en PyTorch.

Implémentation non officielle de "TTNet: Real-time temporal and spatial video analysis of table tennis" (CVPR 2020)

Segment Anything pour la microscopie.

[CVPR2026]🚀🚀🚀 Code officiel de l'article "YOLO-Master: MOE-Accelerated with Specialized Transformers for Enhanced Real-time Detection." *(YOLO = You Only Look Once)* 🔥🔥🔥

🔥🔥 Dépôt officiel pour Multi-Human-Parsing (MHP) 🔥🔥

EfficientSAM3 compresse SAM3 en modèles légers et adaptés aux bords via une distillation progressive de connaissances pour une segmentation et un suivi de concepts rapides et promptables.

Bibliothèque Python pour ajuster des formes primitives 3D à des nuages de points avec RANSAC. Détecter des plans, sphères, cylindres, parallélépipèdes, cercles et droites.

Page de projet pour "Seg-Zero: Reasoning-Chain Guided Segmentation via Cognitive Reinforcement"

[CVPR 2025 Highlight] Code officiel et modèles pour Encoder-only Mask Transformer (EoMT)

Détection d'objets camouflés, CVPR 2020 (Oral)

Nœuds ComfyUI pour les modèles vision-langage : Qwen3-VL, Moondream 3, Florence-2, SmolVLM2, InternVL, Gemma 3, MiniCPM-V. Inclut également la détection à vocabulaire ouvert, la segmentation SAM2/SAM3, le raisonnement temporel vidéo, GGUF via llama.cpp et des API LLM/VLM hébergées.